Schemi - Amazon Personalize
Requisiti di formattazione dello schema

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.

Schemi

Uno schema indica ad Amazon Personalize la struttura dei dati e consente ad Amazon Personalize di analizzare i dati. Uno schema ha una chiave di nome il cui valore deve corrispondere al tipo di set di dati. Dopo aver creato uno schema, non è possibile apportare modifiche allo schema.

Per i gruppi di set di dati di dominio, ogni tipo di set di dati ha uno schema predefinito con campi obbligatori e parole chiave riservate. Ogni volta che crei un set di dati, puoi utilizzare lo schema di dominio esistente o crearne uno nuovo modificando lo schema predefinito esistente. Utilizza lo schema predefinito come guida per i dati da importare per il tuo dominio. Una volta definito lo schema e creato il set di dati, non puoi apportare modifiche allo schema.

Argomenti

Requisiti di formattazione dello schema

Quando crei uno schema per un set di dati in un gruppo di set di dati di dominio o in un gruppo di set di dati personalizzato, devi seguire queste linee guida:

  • È necessario definire lo schema in formato Avro. Per informazioni sui tipi di dati Avro supportati, vedere. Tipi di dati dello schema

  • I campi dello schema possono apparire in qualsiasi ordine, ma devono corrispondere all'ordine delle intestazioni di colonna corrispondenti nel file. CSV

  • Gli schemi devono essere JSON file flat senza strutture annidate. Ad esempio, un campo non può essere il padre di più sottocampi.

  • Gli schemi Amazon Personalize non supportano tipi complessi come array e mappe.

  • I campi dello schema devono avere nomi alfanumerici univoci. Ad esempio, non è possibile aggiungere sia un GENRES_FIELD_1 campo che un campo. GENRESFIELD1

  • È necessario definire i campi obbligatori come tipi di dati obbligatori. I campi di stringa categorici riservati devono avere l'categoricalattributo impostato sutrue, mentre i campi stringa riservati non possono essere categorici. Le parole chiave non possono essere presenti nei tuoi dati.

  • Se aggiungi il tuo campo di metadati di tipo string e desideri che Amazon Personalize lo utilizzi durante la formazione, deve includere l'attributo o categorical textual l'attributo (solo gli schemi Items supportano i campi con l'attributo testuale).

  • Amazon Personalize può utilizzare colonne di stringhe non categoriali, come le colonne dei nomi degli articoli, per generare temi, restituire metadati nei consigli e filtrare i consigli. Per ulteriori informazioni, consulta Dati di stringa non categoriali.

  • Amazon Personalize non utilizza dati di boolean tipo per la formazione o il filtraggio dei consigli. Per fare in modo che Amazon Personalize utilizzi dati booleani durante l'addestramento o il filtraggio, usa un campo di tipo String e utilizza i valori "True" e nei tuoi dati. "False" Oppure puoi usare type int o long e values and. 0 1

  • I campi di testo devono essere del tipo string e devono avere l'textualattributo true impostato su. Per ulteriori informazioni sui dati di testo non strutturati, vedere. Metadati di testo non strutturati

I set di dati di gruppi di dati di dominio hanno requisiti aggiuntivi in base al dominio e al tipo di set di dati. I set di dati di gruppi di set di dati personalizzati hanno requisiti aggiuntivi a seconda del tipo.

Tipi di dati dello schema

Gli schemi Amazon Personalize supportano i seguenti tipi di Avro per i campi:

  • float

  • double

  • int

  • Long

  • string

  • booleano

  • null

Alcuni campi obbligatori e riservati supportano dati nulli. L'aggiunta null di un tipo a un campo consente di utilizzare dati imperfetti (ad esempio, metadati con valori vuoti) per generare consigli. Per informazioni su quali campi supportano dati nulli, consulta o. Set di dati e schemi di dominio Set di dati e schemi personalizzati L'esempio seguente mostra come aggiungere un tipo nullo per un GENDER campo.

{
  "name": "GENDER",
  "type": [
    "null",
    "string"
  ],
  "categorical": true
}