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.
Ricetta HRNN-Metadata (precedente)
Nota
Le ricette HRNN precedenti non sono più disponibili. Questa documentazione è a scopo di riferimento.
Si consiglia di utilizzare la ricetta aws-user-personalizaton (Personalizzazione dell'utente) rispetto alle ricette HRNN precedenti. La personalizzazione da parte dell'utente migliora e unifica la funzionalità offerta dalle ricette HRNN. Per ulteriori informazioni, consulta Ricetta di personalizzazione dell'utente.
La ricetta HRNN-Metadata prevede gli elementi con cui un utente interagirà. Analoga alla ricetta HRNN con funzionalità aggiuntive derivate da metadati contestuali, utente e degli elementi, (rispettivamente set di dati di interazioni, utenti ed elementi). Fornisce i vantaggi della precisione sui modelli non di metadati quando non sono disponibili metadati di alta qualità. L'utilizzo di questa ricetta potrebbe richiedere tempi di addestramento più lunghi.
La ricetta HRNN-Metadata ha le seguenti proprietà:
Nome:
aws-hrnn-metadataRicetta Amazon Resource Name (ARN) —
arn:aws:personalize:::recipe/aws-hrnn-metadataAlgoritmo ARN —
arn:aws:personalize:::algorithm/aws-hrnn-metadataARN per la trasformazione delle funzionalità —
arn:aws:personalize:::feature-transformation/featurize_metadataTipo di ricetta —
USER_PERSONALIZATION
La tabella seguente descrive gli iperparametri per la ricetta HRNN-Metadata. Un iperparametro è un parametro di algoritmo che puoi regolare per migliorare le prestazioni del modello. Gli iperparametri dell'algoritmo controllano le prestazioni del modello. Gli iperparametri di funzionalità controllano come filtrare i dati da utilizzare nel training. Il processo di scelta del valore migliore per un iperparametro è chiamato ottimizzazione iperparametri (HPO). Per ulteriori informazioni, consulta Iperparametri e HPO.
La tabella fornisce inoltre le seguenti informazioni per ogni iperparametro:
Range: [limite inferiore, limite superiore]
Value type: Integer, Continuous (float), Categorical (booleano, elenco, stringa)
HPO tunable: il parametro può partecipare all’ottimizzazione degli iperparametri (HPO)?
| Nome | Description |
|---|---|
| Iperparametri dell'algoritmo | |
hidden_dimension |
Il numero di variabili nascoste utilizzate nel modello. Le variabili nascoste ricreano la cronologia degli acquisti degli utenti e le statistiche degli articoli per generare punteggi di classifica. Specificate un numero maggiore di dimensioni nascoste quando il set di dati sulle interazioni degli oggetti include modelli più complicati. L'utilizzo di dimensioni più nascoste richiede un set di dati più grande e più tempo per l'elaborazione. Per decidere il valore ottimale, utilizza HPO. Per utilizzare HPO, imposta Valore predefinito: 43 Intervallo: [32, 256] Tipo di valore: Integer HPO regolabile: sì |
bptt |
Determina se utilizzare la tecnica di propagazione back-through-time. La propagazione back-through-time è una tecnica che aggiorna i pesi in algoritmi basati su reti neurali ricorrenti. Utilizza Valore predefinito: 32 Intervallo: [2, 32]. Tipo di valore: Integer HPO regolabile: sì |
recency_mask |
Determina se il modello deve prendere in considerazione le ultime tendenze di popolarità nel set di dati sulle interazioni tra elementi. Le ultime tendenze di popolarità potrebbero includere improvvisi cambiamenti nei modelli sottostanti degli eventi di interazione. Per eseguire il training di un modello che posiziona più peso sugli eventi recenti, imposta Valore predefinito: Intervallo: Tipo di valore: booleano HPO regolabile: sì |
| Iperparametri di caratterizzazione | |
min_user_history_length_percentile |
Il percentile minimo delle lunghezze della cronologia degli utenti da includere nell’addestramento del modello. La lunghezza della cronologia è la quantità totale di dati relativi a un utente. Utilizza Ad esempio, l'impostazione di Valore predefinito: 0.0 Intervallo: [0.0, 1.0] Tipo di valore: float HPO regolabile: no |
max_user_history_length_percentile |
Il percentile massimo delle lunghezze della cronologia degli utenti da includere nell’addestramento del modello. La lunghezza della cronologia è la quantità totale di dati relativi a un utente. Utilizza Ad esempio, l'impostazione di Valore predefinito: 0,99 Intervallo: [0.0, 1.0] Tipo di valore: float HPO regolabile: no |
