Ricetta di personalizzazione dell'utente

Addestramento di una nuova versione della soluzione con la ricetta di personalizzazione degli utenti (console)

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

2. Crea un gruppo di set di dati personalizzato con un nuovo schema e carica il tuo set di dati con i dati sulle impressioni. Facoltativamente, includi CREATION_ TIMESTAMP e Metadati di testo non strutturati dati nel set di dati Items in modo che Amazon Personalize possa calcolare con maggiore precisione l'età di un articolo e identificare gli articoli freddi.

   Per ulteriori informazioni sull'importazione di dati, consulta. Importazione di dati di formazione nei set di dati di Amazon Personalize

3. Nella pagina Gruppi di set di dati, scegli il nuovo gruppo di set di dati che contiene il set di dati o i set di dati con dati sulle impressioni.

4. Nel riquadro di navigazione, scegli Soluzioni e ricette e scegli Crea soluzione.

5. Nella pagina Crea soluzione, per il nome della soluzione, inserisci il nome della nuova soluzione.

6. Per Tipo di soluzione, scegli Raccomandazione dell'articolo per ottenere consigli sugli articoli per i tuoi utenti.

7. Per Ricetta, scegli aws-user-personalization. Viene visualizzata la sezione Configurazione della soluzione che fornisce diverse opzioni di configurazione.

8. Nella configurazione aggiuntiva, se il set di dati sulle interazioni tra articoli contiene EVENT _ TYPE o entrambe le VALUE colonne EVENT _ TYPE e EVENT _, utilizza facoltativamente i campi Tipo di evento e Soglia del valore dell'evento per scegliere i dati di interazione tra gli elementi che Amazon Personalize utilizza per addestrare il modello. Per ulteriori informazioni, consulta Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento.

9. Facoltativamente, configura gli iperparametri per la tua soluzione. Per un elenco delle proprietà e degli iperparametri della ricetta di personalizzazione degli utenti, vedere. Proprietà e iperparametri

10. Scegli la soluzione Create and Train per iniziare l'allenamento. Viene visualizzata la pagina Dashboard.

    È possibile accedere alla pagina dei dettagli della soluzione per tenere traccia dei progressi della formazione nella sezione Versioni della soluzione. Quando l'allenamento è completo, lo stato è Attivo.

Creazione di una campagna e ricezione di consigli (console)

Quando lo stato della versione della soluzione è Attivo, sei pronto per creare la tua campagna e ricevere consigli come segue:

1. Nella pagina dei dettagli della soluzione o nella pagina Campagne, scegli Crea nuova campagna.

2. Nella pagina Crea nuova campagna, per i dettagli della campagna, fornisci le seguenti informazioni:

   • Nome della campagna: inserisci il nome della campagna. Il testo che inserisci qui viene visualizzato nella dashboard e nella pagina dei dettagli della campagna.

   • Soluzione: scegli la soluzione che hai appena creato.

   • ID della versione della soluzione: scegli l'ID della versione della soluzione che hai appena creato.

   • Transazioni con provisioning minimo al secondo: imposta il numero minimo di transazioni assegnate al secondo supportate da Amazon Personalize. Per maggiori informazioni, vedi l'operazione CreateCampaign.

3. Per la configurazione di Campaign, fornisci le seguenti informazioni:

   • Peso dell'esplorazione: configura quanto esplorare, dove i consigli includono elementi con meno dati di interazione o rilevanza tra gli elementi, più frequentemente quanto maggiore è l'esplorazione specificata. Più il valore è vicino a 1, maggiore è l'esplorazione. A zero, non viene effettuata alcuna esplorazione e le raccomandazioni si basano sui dati correnti (pertinenza).

   • Data limite dell'elemento di esplorazione: inserisci l'età massima dell'articolo, in giorni dall'ultima interazione, per definire l'ambito dell'esplorazione dell'elemento. Per aumentare il numero di articoli che Amazon Personalize considera durante l'esplorazione, inserisci un valore maggiore.

     Ad esempio, se inserisci 10, durante l'esplorazione vengono presi in considerazione solo gli elementi con dati di interazione tra elementi risalenti ai 10 giorni trascorsi dall'ultima interazione nel set di dati.

     Nota

     I consigli potrebbero includere elementi senza dati di interazione tra elementi provenienti da un periodo di tempo non compreso in questo intervallo di tempo. Questo perché questi elementi sono pertinenti agli interessi dell'utente e non è stata necessaria un'esplorazione per identificarli.

4. Scegliere Create campaign (Crea campagna).

5. Nella pagina dei dettagli della campagna, quando lo stato della campagna è Attivo, puoi utilizzare la campagna per ottenere consigli e registrare impressioni. Per ulteriori informazioni, consulta la sezione Fase 5: Ottieni consigli «Guida introduttiva».

   Amazon Personalize aggiorna automaticamente la versione più recente della soluzione ogni due ore per includere nuovi dati. La tua campagna utilizza automaticamente la versione aggiornata della soluzione. Per ulteriori informazioni, consulta Aggiornamenti automatici.

   Per aggiornare manualmente la campagna, devi prima creare e addestrare una nuova versione della soluzione utilizzando la console o l'CreateSolutionVersionoperazione, con trainingMode set toupdate. Quindi aggiorni manualmente la campagna nella pagina Campaign della console o utilizzando l'UpdateCampaignoperazione.

   Nota

   Amazon Personalize non aggiorna automaticamente le versioni della soluzione create prima del 17 novembre 2020.

Per addestrare una soluzione con la ricetta di personalizzazione degli utenti, utilizzare il AWS SDK

1. Crea una nuova soluzione utilizzando il create_solution metodo.

   Sostituisci solution name con il nome della soluzione e dataset group arn con Amazon Resource Name (ARN) del tuo gruppo di set di dati.

   import boto3
   
   personalize = boto3.client('personalize')
   
   print('Creating solution')
   create_solution_response = personalize.create_solution(name = 'solution name', 
                               recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization', 
                               datasetGroupArn = 'dataset group arn',
                               )
   solution_arn = create_solution_response['solutionArn']
   print('solution_arn: ', solution_arn)

   Per un elenco delle proprietà e degli iperparametri della aws-user-personalization ricetta, consulta. Proprietà e iperparametri

2. Create una nuova versione della soluzione con i dati di addestramento aggiornati e impostate trainingMode l'FULLutilizzo del seguente frammento di codice. Sostituiscila solution arn con la ARN della tua soluzione.

   import boto3
           
   personalize = boto3.client('personalize')
           
   create_solution_version_response = personalize.create_solution_version(solutionArn = 'solution arn', 
                                                                  trainingMode='FULL')
   
   new_solution_version_arn = create_solution_version_response['solutionVersionArn']
   print('solution_version_arn:', new_solution_version_arn)

3. Quando Amazon Personalize ha finito di creare la versione della tua soluzione, crea la tua campagna con i seguenti parametri:

   • Fornisci una nuova campaign name e quella solution version arn generata nel passaggio 2.

   • Modifica l'iperparametro di configurazione explorationWeight dell'esplorazione degli elementi per configurare quanto esplorare. Gli elementi con meno dati di interazione o rilevanza tra gli elementi sono consigliati più frequentemente quanto più il valore si avvicina a 1,0. Il valore predefinito è 0,3.

   • Modifica il parametro iperparametrico di configurazione explorationItemAgeCutOff dell'esplorazione degli elementi per fornire la durata massima, in giorni, rispetto all'ultima interazione, per la quale gli elementi devono essere esplorati. Maggiore è il valore, maggiore è il numero di elementi considerati durante l'esplorazione.

   Usa il seguente frammento di Python per creare una nuova campagna con un'enfasi sull'esplorazione con limite di esplorazione a 30 giorni. La creazione di una campagna richiede in genere alcuni minuti, ma può richiedere più di un'ora.

   import boto3
           
   personalize = boto3.client('personalize')
   
   create_campaign_response = personalize.create_campaign(
       name = 'campaign name',
       solutionVersionArn = 'solution version arn',
       minProvisionedTPS = 1,
       campaignConfig = {"itemExplorationConfig": {"explorationWeight": "0.3", "explorationItemAgeCutOff": "30"}}
   )
   
   campaign_arn = create_campaign_response['campaignArn']
   print('campaign_arn:', campaign_arn)

   Con User-Personalization, Amazon Personalize aggiorna automaticamente la versione della soluzione ogni due ore per includere nuovi dati. La tua campagna utilizza automaticamente la versione aggiornata della soluzione. Per ulteriori informazioni, consulta Aggiornamenti automatici.

   Per aggiornare manualmente la campagna, devi prima creare e addestrare una nuova versione della soluzione utilizzando la console o l'CreateSolutionVersionoperazione, con trainingMode set toupdate. Quindi aggiorni manualmente la campagna nella pagina Campaign della console o utilizzando l'UpdateCampaignoperazione.

   Nota

   Amazon Personalize non aggiorna automaticamente le versioni della soluzione create prima del 17 novembre 2020.

Per ricevere consigli e registrare impressioni

1. Chiama il metodo get_recommendations. Passa campaign arn al nome ARN della tua nuova campagna e user id a quello userId dell'utente.

   import boto3
               
   rec_response = personalize_runtime.get_recommendations(campaignArn = 'campaign arn', userId = 'user id')
   print(rec_response['recommendationId'])             

2. Crea un nuovo tracker di eventi per l'invio di PutEvents richieste. Sostituiscilo event tracker name con il nome del tuo event tracker e dataset group arn con il tuo gruppo di set ARN di dati.

   import boto3
           
   personalize = boto3.client('personalize')
   
   event_tracker_response = personalize.create_event_tracker( 
       name = 'event tracker name',
       datasetGroupArn = 'dataset group arn'
   )
   event_tracker_arn = event_tracker_response['eventTrackerArn']
   event_tracking_id = event_tracker_response['trackingId']
   print('eventTrackerArn:{},\n eventTrackingId:{}'.format(event_tracker_arn, event_tracking_id))               
                   

3. Usa il recommendationId from step 1 e il event tracking id from step 2 per creare una nuova PutEvents richiesta. Questa richiesta registra i nuovi dati di impressione dalla sessione dell'utente. Cambia user id il nome con l'ID dell'utente.

   import boto3
               
   personalize_events.put_events(
        trackingId = 'event tracking id',
        userId= 'user id',
        sessionId = '1',
        eventList = [{
        'sentAt': datetime.now().timestamp(),
        'eventType' : 'click',
        'itemId' : rec_response['itemList'][0]['itemId'],        
        'recommendationId': rec_response['recommendationId'],
        'impression': [item['itemId'] for item in rec_response['itemList']],
        }]
   )