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.

Aumentare la pertinenza delle raccomandazioni con i metadati contestuali

Per aumentare la pertinenza dei consigli, includi i metadati contestuali relativi a un utente, ad esempio il tipo di dispositivo o l'ora del giorno, quando ricevi consigli sugli articoli o ottieni una classifica personalizzata.

Per utilizzare i metadati contestuali, lo schema del set di dati sulle interazioni degli elementi deve disporre di campi di metadati per i dati contestuali. Ad esempio, un DEVICE campo (vedi). Creazione di JSON file di schema per schemi Amazon Personalize

Per i gruppi di set di dati Domain, i seguenti casi d'uso consigliati possono utilizzare metadati contestuali:

Per le risorse personalizzate, le ricette che utilizzano metadati contestuali includono quanto segue:

Per ulteriori informazioni sulle informazioni contestuali, consulta il seguente post sul AWS Machine Learning Blog: Aumentare la pertinenza dei consigli di Amazon Personalize sfruttando le informazioni contestuali.

Puoi ottenere consigli con metadati contestuali con la console Amazon Personalize AWS Command Line Interface ,AWS CLI() o. AWS SDKs

Ottenere consigli utilizzando metadati contestuali (Python AWS ) SDK

Per aumentare la pertinenza dei consigli, includi i metadati contestuali relativi a un utente, ad esempio il tipo di dispositivo o l'ora del giorno, quando ricevi consigli sugli articoli o ottieni una classifica personalizzata.

Utilizzare il codice seguente per ottenere una raccomandazione basata sui metadati contestuali. Infatticontext, per ogni coppia chiave-valore, fornisci il campo dei metadati come chiave e i dati contestuali come valore. Nel codice di esempio seguente, la chiave è DEVICE e il valore è. mobile phone Sostituisci questi valori e la Campaign ARN e User ID con i tuoi. Se hai creato un programma di raccomandazione, sostituiscilo campaignArn conrecommenderArn. Viene visualizzato un elenco di elementi consigliati per l'utente.

import boto3

personalizeRt = boto3.client('personalize-runtime')

response = personalizeRt.get_recommendations(
    campaignArn = 'Campaign ARN',
    userId = 'User ID',
    context = {
      'DEVICE': 'mobile phone'
    }
)

print("Recommended items")
for item in response['itemList']:
    print (item['itemId'])