Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Preparazione dei dati di input per i consigli sui batch Un processo di inferenza in batch importa i dati JSON di input in batch da un bucket Amazon S3, utilizza la versione della soluzione personalizzata per generare consigli e quindi esporta i consigli sugli articoli in un bucket Amazon S3. Prima di ricevere consigli sui batch, devi preparare e caricare il file JSON in un bucket Amazon S3. Ti consigliamo di creare una cartella di output nel tuo bucket Amazon S3 o di utilizzare un bucket di output Amazon S3 separato. È quindi possibile eseguire più processi di inferenza in batch utilizzando la stessa posizione dei dati di input. Se si utilizza un filtro con parametri segnaposto, ad esempio`$GENRE`, è necessario fornire i valori per i parametri di un `filterValues` oggetto nel codice JSON di input. Per ulteriori informazioni, consulta [Fornire valori di filtro nel codice JSON di input](filter-batch.md#providing-filter-values). **Per preparare e importare dati** 1. Formattate i dati di input in batch in base alla ricetta. Non puoi ottenere consigli sui batch con la ricetta Trending-Now. + Per le ricette USER\$1PERSONALIZATION e la ricetta Popularity-Count, i dati di input sono un file JSON con un elenco di ID utente + Per le ricette RELATED\$1ITEMS, i dati di input sono un elenco di ItemID + Per le ricette PERSONALIZED\$1RANKING, i dati di input sono un elenco di ID utente, ciascuno abbinato a una raccolta di ItemID Separa ogni riga con una nuova riga. Per esempi di dati di input, vedere[Esempi JSON di input e output di job di inferenza in batch](#batch-inference-job-json-examples). 1. Carica il codice JSON di input in una cartella di input nel tuo bucket Amazon S3. Per ulteriori informazioni, consulta [Caricamento di file e cartelle mediante trascinamento nella Guida](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) per l'*utente di Amazon Simple Storage Service* 1. Crea una posizione separata per i dati di output, una cartella o un altro bucket Amazon S3. Creando una posizione separata per il JSON di output, puoi eseguire più lavori di inferenza in batch con la stessa posizione dei dati di input. 1. Crea un processo di inferenza in batch. Amazon Personalize invia i consigli dalla versione della soluzione alla posizione dei dati di output. ## Esempi JSON di input e output di job di inferenza in batch Come formatti i dati di input, la ricetta che usi. Se utilizzi un filtro con parametri segnaposto, ad esempio`$GENRE`, devi fornire i valori per i parametri di un `filterValues` oggetto nel codice JSON di input. Per ulteriori informazioni, consulta [Fornire valori di filtro nel codice JSON di input](filter-batch.md#providing-filter-values). Nelle sezioni seguenti sono elencati esempi di input e output JSON formattati correttamente per i lavori di inferenza in batch. Non puoi ottenere consigli sui batch con la ricetta Trending-Now. **Topics** + [Ricette di tipo USER\$1PERSONALIZATION](#batch-input-user-personalization) + [Ricette POPULAR\$1ITEMS (solo Popularity-Count)](#batch-input-popular-items) + [Ricette PERSONALIZED\$1RANKING](#batch-input-ranking) + [Ricette di tipo RELATED\$1ITEMS](#batch-input-related-items) ### Ricette di tipo USER\$1PERSONALIZATION Di seguito sono riportati esempi di input e output JSON formattati correttamente per le ricette USER\$1PERSONALIZATION. Se si utilizza User-Personalization-v 2, ogni elemento consigliato include un elenco dei motivi per cui l'elemento è stato incluso nei consigli. Questo elenco può essere vuoto. Per informazioni sui possibili motivi, vedere[Motivi della raccomandazione con 2 User-Personalization-v](recommendations.md#recommendation-reasons). ------ #### [ Input ] Separare ciascuno `userId` con una nuova riga come segue. ``` {"userId": "4638"} {"userId": "663"} {"userId": "3384"} ... ``` ------ #### [ Output ] ``` {"input":{"userId":"4638"},"output":{"recommendedItems":["63992","115149","110102","148626","148888","31685","102445","69526","92535","143355","62374","7451","56171","122882","66097","91542","142488","139385","40583","71530","39292","111360","34048","47099","135137"],"scores":[0.0152238,0.0069081,0.0068222,0.006394,0.0059746,0.0055851,0.0049357,0.0044644,0.0042968,0.004015,0.0038805,0.0037476,0.0036563,0.0036178,0.00341,0.0033467,0.0033258,0.0032454,0.0032076,0.0031996,0.0029558,0.0029021,0.0029007,0.0028837,0.0028316]},"error":null} {"input":{"userId":"663"},"output":{"recommendedItems":["368","377","25","780","1610","648","1270","6","165","1196","1097","300","1183","608","104","474","736","293","141","2987","1265","2716","223","733","2028"],"scores":[0.0406197,0.0372557,0.0254077,0.0151975,0.014991,0.0127175,0.0124547,0.0116712,0.0091098,0.0085492,0.0079035,0.0078995,0.0075598,0.0074876,0.0072006,0.0071775,0.0068923,0.0066552,0.0066232,0.0062504,0.0062386,0.0061121,0.0060942,0.0060781,0.0059263]},"error":null} {"input":{"userId":"3384"},"output":{"recommendedItems":["597","21","223","2144","208","2424","594","595","920","104","520","367","2081","39","1035","2054","160","1370","48","1092","158","2671","500","474","1907"],"scores":[0.0241061,0.0119394,0.0118012,0.010662,0.0086972,0.0079428,0.0073218,0.0071438,0.0069602,0.0056961,0.0055999,0.005577,0.0054387,0.0051787,0.0051412,0.0050493,0.0047126,0.0045393,0.0042159,0.0042098,0.004205,0.0042029,0.0040778,0.0038897,0.0038809]},"error":null} ... ``` ------ ### Ricette POPULAR\$1ITEMS (solo Popularity-Count) Di seguito sono riportati esempi di input e output JSON formattati correttamente per la ricetta Popularity-Count. Non puoi ottenere consigli sui batch con la ricetta Trending-Now. ------ #### [ Input ] Separali `userId` con una nuova riga come segue. ``` {"userId": "12"} {"userId": "105"} {"userId": "41"} ... ``` ------ #### [ Output ] ``` {"input": {"userId": "12"}, "output": {"recommendedItems": ["105", "106", "441"]}} {"input": {"userId": "105"}, "output": {"recommendedItems": ["105", "106", "441"]}} {"input": {"userId": "41"}, "output": {"recommendedItems": ["105", "106", "441"]}} ... ``` ------ ### Ricette PERSONALIZED\$1RANKING Di seguito sono riportati esempi di input e output JSON formattati correttamente per le ricette PERSONALIZED\$1RANKING. ------ #### [ Input ] Separa ogni `userId` elenco da `itemIds` classificare con una nuova riga come segue. ``` {"userId": "891", "itemList": ["27", "886", "101"]} {"userId": "445", "itemList": ["527", "55", "901"]} {"userId": "71", "itemList": ["27", "351", "101"]} ... ``` ------ #### [ Output ] ``` {"input":{"userId":"891","itemList":["27","886","101"]},"output":{"recommendedItems":["27","101","886"],"scores":[0.48421,0.28133,0.23446]}} {"input":{"userId":"445","itemList":["527","55","901"]},"output":{"recommendedItems":["901","527","55"],"scores":[0.46972,0.31011,0.22017]}} {"input":{"userId":"71","itemList":["29","351","199"]},"output":{"recommendedItems":["351","29","199"],"scores":[0.68937,0.24829,0.06232]}} ... ``` ------ ### Ricette di tipo RELATED\$1ITEMS Di seguito sono riportati esempi di input e output JSON formattati correttamente per le ricette RELATED\$1ITEMS. ------ #### [ Input ] Separare ognuna `itemId` con una nuova riga come segue. ``` {"itemId": "105"} {"itemId": "106"} {"itemId": "441"} ... ``` ------ #### [ Output ] ``` {"input": {"itemId": "105"}, "output": {"recommendedItems": ["106", "107", "49"]}} {"input": {"itemId": "106"}, "output": {"recommendedItems": ["105", "107", "49"]}} {"input": {"itemId": "441"}, "output": {"recommendedItems": ["2", "442", "435"]}} ... ``` ------ Di seguito sono riportati esempi di input e output JSON formattati correttamente per la ricetta Similar-Items con temi. ------ #### [ Input ] Separare ciascuno `itemId` con una nuova riga come segue. ``` {"itemId": "40"} {"itemId": "43"} ... ``` ------ #### [ Output ] ``` {"input":{"itemId":"40"},"output":{"recommendedItems":["36","50","44","22","21","29","3","1","2","39"],"theme":"Movies with a strong female lead","itemsThemeRelevanceScores":[0.19994527,0.183059963,0.17478035,0.1618133,0.1574806,0.15468733,0.1499242,0.14353688,0.13531424,0.10291852]}} {"input":{"itemId":"43"},"output":{"recommendedItems":["50","21","36","3","17","2","39","1","10","5"],"theme":"The best movies of 1995","itemsThemeRelevanceScores":[0.184988,0.1795761,0.11143453,0.0989443,0.08258403,0.07952615,0.07115086,0.0621634,-0.138913,-0.188913]}} ... ``` ------