Membuat rekomendasi domain di Amazon Personalize - Amazon Personalize
Membuat rekomendasi (konsol)Membuat pemberi rekomendasi ()AWS CLIMembuat pemberi rekomendasi ()AWS SDKs

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membuat rekomendasi domain di Amazon Personalize

Anda dapat membuat pemberi rekomendasi dengan konsol Amazon Personalize AWS Command Line Interface ,AWS CLI(), atau. AWS SDKs Berikut ini mencakup langkah-langkah terperinci untuk membuat pemberi rekomendasi dengan konsol Amazon Personalize dan contoh kode yang menunjukkan cara membuat pemberi rekomendasi hanya dengan bidang yang diperlukan.

Membuat rekomendasi (konsol)

penting

Tinggi minRecommendationRequestsPerSecond akan meningkatkan tagihan Anda. Sebaiknya mulai dengan 1 untuk minRecommendationRequestsPerSecond (default). Lacak penggunaan Anda menggunakan CloudWatch metrik Amazon, dan tingkatkan minRecommendationRequestsPerSecond seperlunya. Untuk informasi selengkapnya, lihat Permintaan rekomendasi minimum per detik dan auto-scaling.

Buat rekomendasi untuk setiap kasus penggunaan Anda dengan konsol Amazon Personalize sebagai berikut. Jika Anda baru saja membuat grup dataset Domain Anda dan Anda sudah berada di halaman Ikhtisar, lewati ke langkah 3.

Untuk membuat pemberi rekomendasi

  1. Buka konsol Amazon Personalize di https://console.aws.amazon.com/personalize/rumah dan masuk ke akun Anda.

  2. Pada halaman grup Dataset, pilih grup kumpulan data Domain Anda.

  3. Pada Langkah 3, pilih Gunakan pemberi rekomendasi <domain name>dan pilih Buat pemberi rekomendasi.

  4. Pada halaman Pilih kasus penggunaan, pilih kasus penggunaan yang ingin Anda buat pemberi rekomendasi dan berikan masing-masing nama Rekomendasi. Amazon Personalize membuat pemberi rekomendasi untuk setiap kasus penggunaan yang Anda pilih. Kasus penggunaan yang tersedia tergantung pada domain Anda. Untuk informasi tentang memilih kasus penggunaan, lihatMemilih kasus penggunaan.

  5. Pilih Berikutnya.

  6. Pada halaman Konfigurasi lanjutan, konfigurasikan setiap pemberi rekomendasi tergantung pada kebutuhan bisnis Anda:

    • Untuk setiap kumpulan data yang digunakan oleh kasus penggunaan pemberi rekomendasi, Anda dapat memilih kolom yang dipertimbangkan Amazon Personalize saat melatih model yang mendukung pemberi rekomendasi Anda. Secara default, Amazon Personalize menggunakan semua kolom yang dapat digunakan saat pelatihan. Untuk informasi selengkapnya, lihat Mengonfigurasi kolom yang digunakan saat membuat rekomendasi domain Amazon Personalize.

    • Anda dapat memodifikasi Permintaan rekomendasi minimum per detik untuk menentukan kapasitas permintaan minimum baru untuk pemberi rekomendasi Anda. Tinggi minRecommendationRequestsPerSecond akan meningkatkan tagihan Anda. Sebaiknya mulai dengan 1 (default). Lacak penggunaan Anda menggunakan CloudWatch metrik Amazon, dan tingkatkan minRecommendationRequestsPerSecond seperlunya. Untuk informasi selengkapnya, lihat Permintaan rekomendasi minimum per detik dan auto-scaling.

    • Jika Anda ingin kemampuan untuk menyertakan metadata kumpulan data Item dengan rekomendasi, pilih Kembalikan metadata item dalam hasil rekomendasi. Jika diaktifkan, Anda dapat menentukan kolom dari kumpulan data Item dalam permintaan rekomendasi atau peringkat yang dipersonalisasi. Amazon Personalize mengembalikan data ini untuk setiap item dalam respons rekomendasi.

      Untuk mengaktifkan metadata, Anda harus memiliki kumpulan data Item dengan kolom metadata.

    • Untuk Top picks for your atau kasus Recommended for you penggunaan, secara opsional membuat perubahan pada konfigurasi eksplorasi. Eksplorasi melibatkan pengujian rekomendasi item yang berbeda untuk mempelajari bagaimana pengguna merespons item dengan data interaksi yang sangat sedikit. Gunakan bidang berikut untuk mengonfigurasi eksplorasi:

      • Penekanan pada penjelajahan item yang kurang relevan (bobot eksplorasi) - Konfigurasikan berapa banyak yang harus dijelajahi. Tentukan nilai desimal antara 0 hingga 1. Defaultnya adalah 0,3. Semakin dekat nilainya ke 1, semakin banyak eksplorasi. Dengan lebih banyak eksplorasi, rekomendasi mencakup lebih banyak item dengan lebih sedikit data interaksi item atau relevansi berdasarkan perilaku sebelumnya. Pada nol, tidak ada eksplorasi terjadi dan rekomendasi didasarkan pada data saat ini (relevansi).

      • Batas usia item eksplorasi - Tentukan usia item maksimum dalam beberapa hari sejak interaksi terbaru di semua item dalam kumpulan data interaksi item. Ini mendefinisikan ruang lingkup eksplorasi item berdasarkan usia item. Amazon Personalize menentukan usia item berdasarkan stempel waktu pembuatannya atau, jika data stempel waktu pembuatan tidak ada, data interaksi item. Untuk informasi selengkapnya cara Amazon Personalize menentukan usia item, lihat. Data stempel waktu pembuatan

        Untuk meningkatkan item yang dipertimbangkan Amazon Personalize selama eksplorasi, masukkan nilai yang lebih besar. Minimal adalah 1 hari dan defaultnya adalah 30 hari. Rekomendasi mungkin mencakup item yang lebih tua dari potongan usia item yang Anda tentukan. Ini karena item ini relevan dengan pengguna dan eksplorasi tidak mengidentifikasinya.

    • Untuk Tag, secara opsional tambahkan tag apa pun. Untuk informasi selengkapnya tentang menandai sumber daya Amazon Personalize, lihat. Menandai Amazon Personalisasi sumber daya

  7. Untuk membuat rekomendasi untuk setiap kasus penggunaan Anda, pilih Buat pemberi rekomendasi.

    Anda dapat memantau status masing-masing pemberi rekomendasi di halaman Rekomendasi. Ketika status pemberi rekomendasi Anda Aktif, Anda dapat menggunakannya dalam aplikasi Anda untuk mendapatkan rekomendasi.

Membuat pemberi rekomendasi ()AWS CLI

Gunakan AWS CLI kode berikut untuk membuat pemberi rekomendasi untuk kasus penggunaan domain. Jalankan kode ini untuk setiap kasus penggunaan domain Anda. UntukrecipeArn, berikan Nama Sumber Daya Amazon (ARN) untuk kasus penggunaan Anda. Kasus penggunaan yang tersedia tergantung pada domain Anda. Untuk daftar kasus penggunaan dan ARNs lihat merekaMemilih kasus penggunaan. 

aws personalize create-recommender \
--name recommender name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN

Membuat pemberi rekomendasi ()AWS SDKs

Buat pemberi rekomendasi untuk kasus penggunaan domain dengan kode berikut. Beri nama pada pemberi rekomendasi Anda dan berikan Nama Sumber Daya Amazon (ARN) grup kumpulan data Domain Anda. UntukrecipeArn, berikan ARN untuk kasus penggunaan Anda. Jalankan kode ini untuk setiap kasus penggunaan domain Anda. Kasus penggunaan yang tersedia tergantung pada domain Anda. Untuk daftar kasus penggunaan, persyaratannya ARNs, dan persyaratannya, lihatMemilih kasus penggunaan.

SDK for Python (Boto3)
import boto3

personalize = boto3.client('personalize')

create_recommender_response = personalize.create_recommender(
  name = 'recommender name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN'     
)

recommender_arn = create_recommender_response['recommenderArn']

print('Recommender ARN:' + recommender_arn)
SDK for Java 2.x
    public static String createRecommender(PersonalizeClient personalizeClient,
            String name,
            String datasetGroupArn,
            String recipeArn) {

        long maxTime = 0;
        long waitInMilliseconds = 30 * 1000; // 30 seconds
        String recommenderStatus = "";

        try {
            CreateRecommenderRequest createRecommenderRequest = CreateRecommenderRequest.builder()
                    .datasetGroupArn(datasetGroupArn)
                    .name(name)
                    .recipeArn(recipeArn)
                    .build();

            CreateRecommenderResponse recommenderResponse = personalizeClient
                    .createRecommender(createRecommenderRequest);
            String recommenderArn = recommenderResponse.recommenderArn();
            System.out.println("The recommender ARN is " + recommenderArn);

            DescribeRecommenderRequest describeRecommenderRequest = DescribeRecommenderRequest.builder()
                    .recommenderArn(recommenderArn)
                    .build();

            maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60;

            while (Instant.now().getEpochSecond() < maxTime) {

                recommenderStatus = personalizeClient.describeRecommender(describeRecommenderRequest).recommender()
                        .status();
                System.out.println("Recommender status: " + recommenderStatus);

                if (recommenderStatus.equals("ACTIVE") || recommenderStatus.equals("CREATE FAILED")) {
                    break;
                }
                try {
                    Thread.sleep(waitInMilliseconds);
                } catch (InterruptedException e) {
                    System.out.println(e.getMessage());
                }
            }
            return recommenderArn;

        } catch (PersonalizeException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
        return "";
    }
SDK for JavaScript v3
// Get service clients and commands using ES6 syntax.
import { CreateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

// create personalizeClient
const personalizeClient = new PersonalizeClient({
  region: "REGION"
});

// set the recommender's parameters
export const createRecommenderParam = {
  name: "RECOMMENDER_NAME",                    /* required */
  recipeArn: "RECIPE_ARN",                     /* required */
  datasetGroupArn: "DATASET_GROUP_ARN"         /* required */
}

export const run = async () => {
  try {
    const response = await personalizeClient.send(new CreateRecommenderCommand(createRecommenderParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();