Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Resep peringkat-v2 yang dipersonalisasi
Resep Personalized-ranking-v2 menghasilkan peringkat item yang dipersonalisasi. Peringkat yang dipersonalisasi adalah daftar item yang direkomendasikan yang diberi peringkat ulang berdasarkan relevansi untuk pengguna tertentu. Ini berguna jika Anda memiliki koleksi item yang dipesan, seperti hasil penelusuran, promosi, atau daftar kurasi, dan Anda ingin memberikan peringkat ulang yang dipersonalisasi untuk setiap pengguna Anda.
Personalized-ranking-v2 dapat melatih hingga 5 juta item dari interaksi Item dan kumpulan data Item. Dan itu menghasilkan peringkat yang lebih akurat dengan latensi yang lebih rendah daripada. Peringkat yang Dipersonalisasi
Saat Anda menggunakan Personalized-Ranking-v2, Anda menentukan item yang akan diberi peringkat dalam operasi API. GetPersonalizedRanking Jika Anda menentukan item tanpa data interaksi, Amazon Personalize akan mengembalikan item ini tanpa skor rekomendasi dalam respons GetPersonalizedRanking API.
Resep ini menggunakan arsitektur berbasis transformer untuk melatih model yang mempelajari konteks dan melacak hubungan dan pola dalam data Anda. Transformer adalah jenis arsitektur jaringan saraf yang mengubah atau mengubah urutan input menjadi urutan output. Untuk Amazon Personalize, urutan input adalah riwayat interaksi item pengguna dalam data Anda. Urutan output adalah rekomendasi pribadi mereka. Untuk informasi lebih lanjut tentang transformer, lihat Apa Itu Transformer Dalam Kecerdasan Buatan?
Personalized-ranking-v2 menggunakan model harga yang berbeda dari resep lainnya. Untuk informasi selengkapnya tentang harga, lihat Harga Amazon Personalisasi
Fitur resep
Personalized-ranking-v2 menggunakan fitur resep Amazon Personalize berikut saat memberi peringkat item:
-
Personalisasi waktu nyata - Dengan personalisasi waktu nyata, Amazon Personalisasi pembaruan dan menyesuaikan rekomendasi item sesuai dengan minat pengguna yang terus berkembang. Untuk informasi selengkapnya, lihat Personalisasi waktu nyata.
-
Metadata dengan rekomendasi — Dengan resep Peringkat-v2 yang dipersonalisasi, jika Anda memiliki kumpulan data Item dengan minimal satu kolom metadata, kampanye secara otomatis memiliki opsi untuk menyertakan metadata item dengan hasil rekomendasi. Anda tidak mengaktifkan metadata secara manual untuk kampanye Anda. Anda dapat menggunakan metadata untuk memperkaya rekomendasi di antarmuka pengguna, seperti menambahkan genre film ke komidi putar. Untuk informasi selengkapnya, lihat Metadata item dalam rekomendasi.
Kumpulan data yang diperlukan dan opsional
Untuk menggunakan Personalized-Ranking-v2, Anda harus membuat Kumpulan data interaksi item dan mengimpor minimal 1000 interaksi item. Amazon Personalize menghasilkan peringkat terutama berdasarkan data interaksi item. Personalized-ranking-v2 dapat melatih hingga 5 juta item di seluruh interaksi Item dan kumpulan data Item.
Dengan Personalized-Ranking-v2, Amazon Personalize dapat menggunakan data interaksi Item yang mencakup hal-hal berikut:
-
Jenis peristiwa dan data nilai peristiwa - Amazon Personalize menggunakan data tipe peristiwa, seperti jenis peristiwa klik atau tonton, untuk mengidentifikasi maksud dan minat pengguna melalui pola apa pun dalam perilaku mereka. Selain itu, Anda dapat menggunakan jenis peristiwa dan data nilai acara untuk memfilter catatan sebelum pelatihan. Untuk informasi selengkapnya, lihat Jenis peristiwa dan data nilai acara.
catatan
Dengan Personalized-Ranking-v2, biaya pelatihan Anda didasarkan pada data interaksi Anda sebelum memfilter berdasarkan jenis atau nilai acara. Untuk informasi selengkapnya tentang harga, lihat Harga Amazon Personalisasi
. -
Metadata kontekstual — Metadata kontekstual adalah data interaksi yang Anda kumpulkan di lingkungan pengguna pada saat kejadian, seperti lokasi atau jenis perangkat mereka. Untuk informasi selengkapnya, lihat Metadata kontekstual.
Kumpulan data berikut bersifat opsional dan dapat meningkatkan rekomendasi:
-
Kumpulan data pengguna — Amazon Personalize dapat menggunakan data dalam kumpulan data Pengguna Anda untuk lebih memahami pengguna Anda dan minat mereka. Anda juga dapat menggunakan data dalam kumpulan data Pengguna untuk memfilter rekomendasi. Untuk informasi tentang data pengguna yang dapat Anda impor, lihatSet data pengguna.
-
Kumpulan data item — Amazon Personalize dapat menggunakan data dalam kumpulan data Item Anda untuk mengidentifikasi koneksi dan pola dalam perilakunya. Ini membantu Amazon Personalisasi memahami pengguna Anda dan minat mereka. Anda juga dapat menggunakan data dalam kumpulan data Item untuk memfilter rekomendasi. Untuk informasi tentang data item yang dapat Anda impor, lihatSet data item.
Properti dan hiperparameter
Resep Personalized-ranking-v2 memiliki sifat-sifat berikut:
-
Nama –
aws-personalized-ranking-v2 -
Resep Nama Sumber Daya Amazon (ARN) —
arn:aws:personalize:::recipe/aws-personalized-ranking-v2 -
Algoritma ARN —
arn:aws:personalize:::algorithm/aws-personalized-ranking-v2
Untuk informasi selengkapnya, lihat Memilih resep.
Tabel berikut menjelaskan hyperparameters untuk resep Personalized-ranking-v2. Hyperparameter adalah parameter algoritma yang dapat Anda sesuaikan untuk meningkatkan kinerja model. Algoritma hyperparameters mengontrol bagaimana kinerja model. Proses memilih nilai terbaik untuk hyperparameter disebut optimasi hyperparameter (HPO). Dengan Personalized-Ranking-v2, jika Anda mengaktifkan pelatihan otomatis, Amazon Personalize secara otomatis melakukan HPO setiap 90 hari. Tanpa pelatihan otomatis, tidak ada HPO yang terjadi.
Tabel memberikan informasi berikut untuk setiap hyperparameter:
-
Rentang: [batas bawah, batas atas]
-
Jenis nilai: Integer, Continuous (float), Kategoris (Boolean, daftar, string)
| Nama | Penjelasan |
|---|---|
| Hiperparameter algoritma | |
apply_recency_bias |
Menentukan apakah model harus memberi bobot lebih pada data interaksi item terbaru dalam kumpulan data interaksi Item Anda. Data interaksi terbaru mungkin mencakup perubahan mendadak dalam pola yang mendasari peristiwa interaksi. Untuk melatih model yang memberi bobot lebih pada peristiwa baru-baru ini, atur Nilai default: Rentang: Jenis nilai: Boolean HPO dapat disetel: Tidak |
