Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Recette Item-Attribut-Affinity
La recette Item-Attribute-Affinity (aws-item-attribute-affinity) est une recette USER_SEGMENTATION qui crée un segment utilisateur (groupe d'utilisateurs) pour chaque attribut d'article que vous spécifiez. Il s'agit des utilisateurs qui, selon Amazon Personalize, sont les plus susceptibles d'interagir avec les articles dotés de l'attribut en question. Utilisez Item-Attribute-Affinity pour en savoir plus sur vos utilisateurs et prendre des mesures en fonction de leurs segments d'utilisateurs respectifs.
Par exemple, vous souhaiterez peut-être créer une campagne marketing pour votre application de vente au détail en fonction des préférences des utilisateurs concernant les types de chaussures de votre catalogue. Item-Attribute-Affinity créerait un segment utilisateur pour chaque type de chaussure en fonction des données de vos ensembles de données Interactions et Items. Vous pouvez l'utiliser pour promouvoir différentes chaussures auprès de différents segments d'utilisateurs en fonction de la probabilité qu'ils entreprennent une action (par exemple, cliquer sur une chaussure ou acheter une chaussure). D'autres utilisations peuvent inclure la promotion de différents genres de films auprès de différents utilisateurs ou l'identification d'un candidat potentiel en fonction du type d'emploi.
Pour obtenir des segments d'utilisateurs basés sur les attributs des articles, vous créez une solution et une version de solution avec la recette Item-Attribute-Affinity, puis vous ajoutez une liste d'attributs d'article au format JSON dans un compartiment Amazon S3 et vous créez une tâche de segmentation par lots. Amazon Personalize envoie un segment utilisateur pour chaque article à votre emplacement de sortie dans Amazon S3. Vos données d'entrée peuvent comporter un maximum de 10 requêtes, chaque requête portant sur un ou plusieurs attributs d'article. Pour plus d'informations sur la préparation des données d'entrée pour une tâche de segmentation par lots, consultezPréparation des données d'entrée pour les recommandations par lots.
Pour utiliser Item-Attribute-Affinity, vous devez disposer d'un jeu de données d'interactions entre articles et d'un ensemble de données d'articles. Votre jeu de données Items doit comporter au moins une colonne qui est une colonne de métadonnées non textuelle et non réservée. Vous pouvez obtenir des segments d'utilisateurs avec des tâches de segmentation par lots. Pour plus d’informations, consultez Obtenir des segments d'utilisateurs par lots avec des ressources personnalisées.
Après avoir créé une version de solution, assurez-vous de maintenir la version et les données de votre solution à jour. Avec Item-Attribute-Affinity, vous devez créer une nouvelle version de solution pour Amazon Personalize afin de prendre en compte les nouveaux utilisateurs pour les segments d'utilisateurs et de mettre à jour le modèle en fonction du comportement le plus récent de vos utilisateurs. Pour obtenir un segment d'utilisateur pour un attribut d'article, l'attribut d'article doit être présent lorsque vous avez créé la version de la solution.
La recette Item-Attribute-Affinity possède les propriétés suivantes :
-
Nom –
aws-item-attribute-affinity
-
Nom de la ressource Amazon (ARN) de la recette —
arn:aws:personalize:::recipe/aws-item-attribute-affinity
-
Algorithme ARN —
arn:aws:personalize:::algorithm/aws-item-attribute-affinity
-
ARN de transformation des fonctionnalités —
arn:aws:personalize:::feature-transformation/item-attribute-affinity
-
Type de recette —
USER_SEGMENTATION
Le tableau suivant décrit les hyperparamètres de la recette Item-Attribute-Affinity. Un hyperparamètre est un paramètre d'algorithme que vous pouvez régler pour améliorer les performances du modèle. Les hyperparamètres d'algorithme contrôlent les performances du modèle. Vous ne pouvez pas utiliser l'optimisation des hyperparamètres (HPO) avec la recette Item-Attribute-Affinity.
Le tableau fournit également les informations suivantes pour chaque hyperparamètre :
-
Plage: [lower bound, upper bound]
-
Type de valeur : integer (entier), Continuous (float) [continu (flottant)], Categorical (Boolean, list, string) [catégorique (booléen, liste, chaîne)]
Name (Nom) | Description |
---|---|
Hyperparamètres de l'algorithme | |
hidden_dimension |
Nombre de variables masquées utilisées dans le modèle. Les variables masquées recréent l'historique des achats des utilisateurs et les statistiques des articles pour générer des scores de classement. Spécifiez un plus grand nombre de dimensions masquées lorsque votre ensemble de données Interactions inclut des modèles plus complexes. L'utilisation de dimensions masquées nécessite un ensemble de données plus volumineux et plus de temps pour le traitement. Valeur par défaut : 149 Plage : [32, 256] Type de valeur : entier |