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.

Set di dati sulle interazioni tra elementi

L'interazione tra un articolo è un evento di interazione positiva tra un utente e un articolo del tuo catalogo. Ad esempio, un utente che guarda un film, guarda un annuncio o acquista un paio di scarpe. Importi i dati sulle interazioni degli utenti con i tuoi articoli in un set di dati sulle interazioni degli elementi. Puoi registrare diversi tipi di eventi, come click, watch o like.

Ad esempio, se un utente fa clic su un determinato elemento e poi mette «Mi piace» all'elemento, puoi fare in modo che Amazon Personalize utilizzi questi eventi come dati di formazione. Per ogni evento, devi registrare l'ID dell'utente, l'ID dell'elemento, il timestamp (in formato Unix time epoch) e il tipo di evento (click e mi piace). Dovresti quindi aggiungere entrambi gli eventi di interazione tra elementi a un set di dati sulle interazioni tra elementi.

Per tutti i casi d'uso (gruppi di set di dati di dominio) e le ricette (risorse personalizzate), i dati sulle interazioni degli elementi devono avere quanto segue:

Per consigli sulla qualità, ti consigliamo di avere almeno 50.000 interazioni tra articoli da parte di almeno 1.000 utenti con due o più interazioni con gli articoli ciascuna.

Per creare un programma di raccomandazione o una soluzione personalizzata, devi almeno creare un set di dati sulle interazioni con gli articoli. Questa sezione fornisce informazioni sui seguenti tipi di dati sulle interazioni tra articoli che puoi importare in Amazon Personalize.

Dati sul tipo di evento e sul valore dell'evento

Un set di dati sulle interazioni tra elementi può memorizzare i dati sul tipo di evento e sul valore dell'evento per ogni interazione. Solo le risorse personalizzate utilizzano i dati sui valori degli eventi.

Dati sul tipo di evento

Amazon Personalize utilizza dati sul tipo di evento, come i dati su clic o acquisti, per identificare l'intenzione e l'interesse dell'utente. Se crei consigli di dominio, tutti i casi d'uso richiedono dati sul tipo di evento. Alcuni casi d'uso richiedono tipi di eventi specifici. Sei libero di utilizzare tipi di eventi aggiuntivi. Per ulteriori informazioni, consulta Scelta di un caso d'uso.

Se crei risorse personalizzate, puoi scegliere gli eventi utilizzati per la formazione in base al tipo di evento. Se il tuo set di dati contiene più tipi di eventi in una TYPE colonna EVENT _ e non fornisci un tipo di evento quando configuri una soluzione personalizzata, Amazon Personalize utilizza tutti i dati di interazione tra gli elementi per allenamenti con lo stesso peso indipendentemente dal tipo. Per ulteriori informazioni, consulta Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento.

Tipi di eventi positivi e negativi

Amazon Personalize presuppone che qualsiasi interazione sia positiva. Le interazioni con un tipo di evento negativo, come l'antipatia, non impediranno necessariamente all'elemento di apparire nelle raccomandazioni future dell'utente.

Di seguito sono riportati i modi in cui gli eventi negativi e il disinteresse degli utenti influiscono sui consigli:

Dati sui valori degli eventi (risorse personalizzate)

I dati sul valore dell'evento possono essere la percentuale di un film guardato da un utente o una valutazione su 10. Se crei soluzioni personalizzate e importi i dati sul valore degli eventi insieme ai dati sul tipo di evento, puoi scegliere i record utilizzati per la formazione in base al tipo e al valore. Con i consigliatori di dominio, Amazon Personalize non utilizza dati sul valore degli eventi e non puoi filtrare gli eventi prima della formazione.

Per scegliere i record in base al tipo e al valore, registra un tipo di evento e un valore di evento per ogni evento. Il valore scelto per ogni evento dipende dai dati che desideri escludere e dai tipi di eventi che stai registrando. Ad esempio, potresti abbinare l'attività dell'utente, ad esempio la percentuale di video che l'utente ha guardato, ai tipi di eventi di visualizzazione.

Quando si configura una soluzione, si imposta un valore specifico come soglia per escludere i record dalla formazione. Ad esempio, se i tuoi VALUE dati EVENT _ per gli eventi con un EVENT _ TYPE of watch sono la percentuale di un video che un utente ha guardato, se imposti la soglia del valore dell'evento su 0,5 e il tipo di evento da guardare, Amazon Personalize addestra il modello utilizzando solo eventi di interazione watch con un EVENT _ VALUE maggiore o uguale a 0,5.

Per ulteriori informazioni, consulta Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento

Metadati contestuali

Con determinate ricette e casi d'uso consigliati, Amazon Personalize può utilizzare metadati contestuali per identificare i modelli sottostanti che rivelano gli elementi più pertinenti per i tuoi utenti. I metadati contestuali sono dati sulle interazioni che raccogli nell'ambiente dell'utente al momento di un evento, come la sua posizione o il tipo di dispositivo.

L'inclusione di metadati contestuali consente di fornire un'esperienza più personalizzata agli utenti esistenti. Ad esempio, se i clienti fanno acquisti in modo diverso quando accedono al catalogo da un telefono rispetto a un computer, includi i metadati contestuali sul dispositivo dell'utente. I consigli saranno quindi più pertinenti in base al modo in cui stanno navigando.

Inoltre, i metadati contestuali aiutano a ridurre la fase di avvio a freddo per utenti nuovi o non identificati. La fase di avvio a freddo si riferisce al periodo in cui il motore di raccomandazione fornisce consigli meno pertinenti a causa della mancanza di informazioni storiche relative a quell'utente.

Per i gruppi di set di dati di Domain, i seguenti casi d'uso dei consigliatori 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.

Dati sulle impressioni

Le impressioni sono elenchi di elementi che erano visibili a un utente quando interagiva con (ad esempio, faceva clic o guardava) un determinato elemento. Se utilizzi un caso d'uso del dominio che fornisce la personalizzazione o la Personalizzazione dell'utente ricetta, Amazon Personalize può utilizzare i dati sulle impressioni per guidare l'esplorazione.

Con l'esplorazione, i consigli includono alcuni elementi o azioni che in genere sarebbero meno propensi a essere consigliati all'utente, come nuovi elementi o azioni, elementi o azioni con poche interazioni o elementi o azioni meno rilevanti per l'utente in base al suo comportamento precedente. Più frequentemente un articolo compare nei dati sulle impressioni, meno è probabile che Amazon Personalize includa l'articolo nell'esplorazione.

Quando crei un programma o una soluzione, Amazon Personalize esclude sempre i dati sulle impressioni dalla formazione. Questo perché Amazon Personalize non addestra i tuoi modelli con dati sulle impressioni. Invece, li utilizza quando ricevi consigli per guidare l'esplorazione per l'utente.

I valori delle impressioni possono contenere al massimo 1000 caratteri (incluso il carattere della barra verticale). Per i gruppi di set di dati Domain, i seguenti casi d'uso consigliati possono utilizzare i dati sulle impressioni:

Per ulteriori informazioni sull'esplorazione, vedere. Esplorazione Amazon Personalize può modellare due tipi di impressioni: e. Impressioni implicite Impressioni esplicite

Impressioni implicite

Le impressioni implicite sono i consigli, recuperati da Amazon Personalize, che mostri all'utente. Puoi integrarli nel tuo flusso di lavoro di raccomandazione includendo RecommendationId (restituito da GetRecommendations and GetPersonalizedRanking operations) come input per PutEvents le richieste future. Amazon Personalize ricava le impressioni implicite in base ai dati delle tue raccomandazioni.

Ad esempio, potresti avere un'applicazione che fornisce consigli per lo streaming di video. Il flusso di lavoro di raccomandazione che utilizza le impressioni implicite potrebbe essere il seguente:

Impressioni esplicite

Le impressioni esplicite sono impressioni che registri e invii manualmente ad Amazon Personalize. Usa impressioni esplicite per manipolare i risultati di Amazon Personalize. L'ordine degli articoli non ha alcun impatto.

Ad esempio, potresti avere un'applicazione per lo shopping che fornisce consigli per le scarpe. Se consigli solo scarpe attualmente disponibili, puoi specificare questi articoli utilizzando impressioni esplicite. Il tuo flusso di lavoro di raccomandazione che utilizza impressioni esplicite potrebbe essere il seguente: