Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Resep Barang Serupa
catatan
Semua resep RELATED_ITEMS menggunakan data interaksi. Pilih Item Serupa jika Anda juga memiliki metadata item dan ingin Amazon Personalize menggunakannya untuk menemukan item serupa. Atau pilih Resep SIMS jika Anda ingin mengkonfigurasi lebih banyak hyperparameters untuk model.
Resep Similar-Items (aws-similar-items) menghasilkan rekomendasi untuk item yang mirip dengan item yang Anda tentukan. Gunakan Item Serupa untuk membantu pelanggan menemukan item baru di katalog Anda berdasarkan perilaku dan metadata item mereka sebelumnya. Merekomendasikan item serupa dapat meningkatkan keterlibatan pengguna, rasio klik-tayang, dan rasio konversi untuk aplikasi Anda.
Item Serupa menghitung kesamaan berdasarkan data interaksi dan metadata item apa pun yang Anda berikan. Ini memperhitungkan kemunculan bersama item dalam riwayat pengguna di kumpulan data Interaksi Anda, dan kesamaan metadata item apa pun. Misalnya, dengan Similar-Items, Amazon Personalize dapat merekomendasikan item yang sering dibeli pelanggan bersama dengan style Metadata kategoris () yang serupa, atau film yang juga ditonton pengguna lain dengan deskripsi serupa (). Metadata teks tidak terstruktur
Dengan Item Serupa, Anda memberikan ID item dalam GetRecommendations operasi (atau konsol Amazon Personalize) dan Amazon Personalize mengembalikan daftar item serupa. Atau Anda dapat menggunakan alur kerja batch untuk mendapatkan item serupa untuk semua item dalam inventaris Anda (lihatMendapatkan rekomendasi item batch). Saat Anda mendapatkan item serupa, Anda dapat memfilter item berdasarkan atribut item yang Anda tentukan dalam permintaan Anda. Anda melakukan ini dengan menambahkanCurrentItem. attributeelemen ke filter Anda. Sebagai contoh, lihat item data filter examples.
Untuk menggunakan Item Serupa, Anda harus membuat kumpulan data interaksi Item dengan setidaknya 1000 interaksi historis dan peristiwa unik (gabungan). Untuk prediksi yang lebih akurat, sebaiknya Anda juga membuat kumpulan data Item dan mengimpor metadata tentang item di katalog Anda. Item serupa tidak menggunakan data dalam kumpulan data Pengguna saat membuat rekomendasi. Anda masih dapat memfilter rekomendasi berdasarkan data dalam kumpulan data Pengguna. Untuk informasi selengkapnya, lihat Memfilter rekomendasi dan segmen pengguna.
Jika Anda memiliki kumpulan data Item dengan data tekstual dan data judul item, Anda dapat membuat tema untuk item terkait dalam rekomendasi batch. Untuk informasi selengkapnya, lihat Rekomendasi Batch dengan tema dari Content Generator
Anda bisa mendapatkan rekomendasi untuk item yang mirip dengan item dingin (item dengan interaksi kurang dari lima). Jika Amazon Personalize tidak dapat menemukan ID item yang Anda tentukan dalam permintaan rekomendasi atau file input batch, resep akan mengembalikan item populer sebagai rekomendasi.
Setelah Anda membuat versi solusi, pastikan Anda selalu memperbarui versi dan data solusi Anda. Dengan Similar-Items, Anda harus secara manual membuat versi solusi baru (melatih ulang model) untuk Amazon Personalize untuk mempertimbangkan item baru untuk rekomendasi dan memperbarui model dengan perilaku terbaru pengguna Anda. Maka Anda harus memperbarui kampanye apa pun menggunakan versi solusi. Untuk informasi selengkapnya, lihat Mempertahankan relevansi rekomendasi.
Properti dan hiperparameter
Resep Similar-Items memiliki sifat-sifat berikut:
-
Nama –
aws-similar-items -
Resep Nama Sumber Daya Amazon (ARN) —
arn:aws:personalize:::recipe/aws-similar-items -
Algoritma ARN —
arn:aws:personalize:::algorithm/aws-similar-items
Untuk informasi selengkapnya, lihat Memilih resep.
Tabel berikut menjelaskan hiperparameter untuk resep Item Serupa. 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). Untuk informasi selengkapnya, lihat Hyperparameter dan HPO.
Tabel ini juga menyediakan informasi berikut untuk setiap hyperparameter:
-
Rentang: [batas bawah, batas atas]
-
Jenis nilai: Integer, Continuous (float), Kategoris (Boolean, daftar, string)
-
HPO tunable: Dapatkah parameter berpartisipasi dalam HPO?
| Nama | Penjelasan |
|---|---|
| Hiperparameter algoritma | |
popularity_discount_factor |
Konfigurasikan bagaimana popularitas memengaruhi rekomendasi. Tentukan nilai yang mendekati nol untuk memasukkan item yang lebih populer. Tentukan nilai yang lebih dekat dengan nilai untuk kurang menekankan pada popularitas. Nilai default: 0.0 Rentang: [0.0, 1.0] Jenis nilai: Float HPO dapat disetel: Tidak |
item_id_hidden_dim |
Jumlah variabel tersembunyi yang digunakan Amazon Personalize untuk memodelkan embeddings ID item berdasarkan data interaksi. Variabel tersembunyi membuat ulang riwayat pembelian pengguna dan statistik item untuk menghasilkan skor peringkat. Untuk menggunakannya Untuk menggunakan HPO, atur Nilai default: 100 Rentang: [30, 200] Jenis nilai: Integer HPO dapat disetel: Ya |
item_metadata_hidden_dim |
Jumlah variabel tersembunyi yang digunakan Amazon Personalize untuk memodelkan metadata item. Untuk menggunakannya Untuk menggunakan HPO, atur Nilai default: 100 Rentang: [30, 200] Jenis nilai: Integer HPO dapat disetel: Ya |
