Creazione di consiglieri di dominio in Amazon Personalize - Amazon Personalize
Creazione di consiglieri (console)Creare un programma di raccomandazione (AWS CLI)Creare un programma di raccomandazione (AWS SDKs)

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.

Creazione di consiglieri di dominio in Amazon Personalize

Puoi creare consiglieri con la console Amazon Personalize, AWS Command Line Interface (AWS CLI), oppure AWS SDKs. Di seguito sono riportati i passaggi dettagliati per creare consiglieri con la console Amazon Personalize ed esempi di codice che mostrano come creare un programma di raccomandazione con solo i campi obbligatori.

Creazione di consiglieri (console)

Importante

Un massimo minRecommendationRequestsPerSecond aumenterà la tua bolletta. Ti consigliamo di iniziare con 1 per minRecommendationRequestsPerSecond (impostazione predefinita). Tieni traccia del tuo utilizzo utilizzando i CloudWatch parametri di Amazon e minRecommendationRequestsPerSecond aumentali se necessario. Per ulteriori informazioni, consulta Richieste di raccomandazioni minime al secondo e auto-scaling.

Crea suggerimenti per ciascuno dei tuoi casi d'uso con la console Amazon Personalize come segue. Se hai appena creato il gruppo di set di dati del dominio e sei già nella pagina Panoramica, vai al passaggio 3.

Per creare consiglieri

  1. Apri la console Amazon Personalize a https://console.aws.amazon.com/personalize/casa e accedi al tuo account.

  2. Nella pagina dei gruppi di set di dati, scegli il gruppo di set di dati di Domain.

  3. Nel passaggio 3, scegli Usa consigli e scegli Crea consiglieri. <domain name>

  4. Nella pagina Scegli i casi d'uso, scegli i casi d'uso in cui desideri creare i consiglieri e assegna a ciascuno un nome di Consigliere. Amazon Personalize crea un programma di raccomandazione per ogni caso d'uso che scegli. I casi d'uso disponibili dipendono dal tuo dominio. Per informazioni sulla scelta di un caso d'uso, consultaScelta di un caso d'uso.

  5. Scegli Next (Successivo).

  6. Nella pagina Configurazione avanzata, configura ogni programma di raccomandazione in base alle esigenze aziendali:

    • Per ogni set di dati utilizzato dal caso d'uso del consulente di raccomandazione, puoi scegliere le colonne che Amazon Personalize considera quando addestra i modelli alla base del tuo programma di raccomandazione. Per impostazione predefinita, Amazon Personalize utilizza tutte le colonne che possono essere utilizzate durante la formazione. Per ulteriori informazioni, consulta Configurazione delle colonne utilizzate durante la creazione di un programma di raccomandazione di domini Amazon Personalize.

    • Puoi modificare il numero minimo di richieste di raccomandazione al secondo per specificare una nuova capacità minima di richieste per il tuo consulente. Un massimo minRecommendationRequestsPerSecond aumenterà la tua bolletta. Ti consigliamo di iniziare con 1 (impostazione predefinita). Tieni traccia del tuo utilizzo utilizzando i CloudWatch parametri di Amazon e minRecommendationRequestsPerSecond aumentali se necessario. Per ulteriori informazioni, consulta Richieste di raccomandazioni minime al secondo e auto-scaling.

    • Se desideri avere la possibilità di includere i metadati del set di dati Items con i consigli, scegli Restituisci i metadati degli articoli nei risultati dei consigli. Se abilitata, puoi specificare le colonne del set di dati Items nella richiesta di consigli o di classificazione personalizzata. Amazon Personalize restituisce questi dati per ogni articolo nella risposta alla raccomandazione.

      Per abilitare i metadati, devi disporre di un set di dati Items con una colonna di metadati.

    • Per i nostri casi Top picks for your d'Recommended for youuso, apporta facoltativamente modifiche alla configurazione di esplorazione. L'esplorazione prevede la verifica di diversi consigli sugli articoli per scoprire come gli utenti rispondono agli elementi con pochissimi dati di interazione. Utilizza i seguenti campi per configurare l'esplorazione:

      • Enfasi sull'esplorazione di elementi meno rilevanti (peso esplorativo): configura quanto esplorare. Specificate un valore decimale compreso tra 0 e 1. Il valore predefinito è 0,3. Più il valore è vicino a 1, maggiore è l'esplorazione. Con una maggiore esplorazione, i consigli includono più elementi con meno dati sulle interazioni tra elementi o rilevanza in base al comportamento precedente. A zero, non viene effettuata alcuna esplorazione e le raccomandazioni si basano sui dati correnti (pertinenza).

      • Limite di età degli elementi di esplorazione: specifica l'età massima dell'articolo, in giorni, dall'ultima interazione tra tutti gli elementi del set di dati sulle interazioni tra gli elementi. Questo definisce l'ambito dell'esplorazione degli articoli in base alla loro età. Amazon Personalize determina l'età dell'articolo in base al timestamp di creazione o, se mancano dati relativi al timestamp di creazione, ai dati sulle interazioni tra gli articoli. Per ulteriori informazioni su come Amazon Personalize determina l'età degli articoli, consulta. Dati relativi al timestamp di creazione

        Per aumentare il numero di articoli che Amazon Personalize considera durante l'esplorazione, inserisci un valore maggiore. Il minimo è 1 giorno e il valore predefinito è 30 giorni. I consigli potrebbero includere articoli più vecchi della data limite di età specificata per l'articolo. Questo perché questi elementi sono pertinenti per l'utente e l'esplorazione non li ha identificati.

    • Per i tag, aggiungi facoltativamente qualsiasi tag. Per ulteriori informazioni sull'etichettatura delle risorse Amazon Personalize, consulta. Etichettare le risorse di Amazon Personalize

  7. Per creare consigli per ciascuno dei tuoi casi d'uso, scegli Crea consiglieri.

    Puoi monitorare lo stato di ogni consulente nella pagina Consiglieri. Quando lo stato di consigliere è Attivo, puoi utilizzarlo nella tua applicazione per ricevere consigli.

Creare un programma di raccomandazione (AWS CLI)

Usa quanto segue AWS CLI codice per creare un programma di raccomandazione per un caso d'uso del dominio. Esegui questo codice per ciascuno dei casi d'uso del tuo dominio. PerrecipeArn, fornisci Amazon Resource Name (ARN) per il tuo caso d'uso. I casi d'uso disponibili dipendono dal tuo dominio. Per un elenco dei casi d'uso e relativi, ARNs consultaScelta di un caso d'uso. 

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

Creare un programma di raccomandazione (AWS SDKs)

Crea un programma di raccomandazione per un caso d'uso del dominio con il codice seguente. Assegna un nome al tuo consulente e fornisci Amazon Resource Name () ARN del tuo gruppo di set di dati di dominio. PerrecipeArn, fornisci il campo ARN adatto al tuo caso d'uso. Esegui questo codice per ciascuno dei casi d'uso del tuo dominio. I casi d'uso disponibili dipendono dal tuo dominio. Per un elenco dei casi d'uso, dei relativi ARNs requisiti e dei relativi requisiti, consultaScelta di un caso d'uso.

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();