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 Similar-Items
Nota
Tutte le ricette RELATED_ITEMS utilizzano dati di interazione. Scegli Similar-Items se disponi anche di metadati degli articoli e desideri che Amazon Personalize li utilizzi per trovare articoli simili. Oppure scegli Ricetta SIMS se desideri configurare più iperparametri per il modello.
La ricetta Similar-Items (aws-similar-items) genera consigli per articoli simili a un articolo specificato. Utilizza Similar-Items per aiutare i clienti a scoprire nuovi articoli nel tuo catalogo in base al comportamento e ai metadati degli articoli precedenti. La raccomandazione di articoli simili può aumentare il coinvolgimento degli utenti, la percentuale di clic e il tasso di conversione dell'applicazione.
Similar-Items calcola la somiglianza in base ai dati di interazione e ai metadati degli elementi forniti. Tiene conto della presenza concomitante dell'elemento nelle cronologie degli utenti nel set di dati di interazione e di eventuali somiglianze tra i metadati degli elementi. Ad esempio, con Similar-Items, Amazon Personalize potrebbe consigliare articoli che i clienti acquistano spesso insieme a uno stile simile Metadati categoriali () o film che utenti diversi hanno guardato anche con una descrizione simile (). Metadati di testo non strutturati
Con Similar-Items, fornisci un ID articolo in un'GetRecommendationsoperazione (o nella console Amazon Personalize) e Amazon Personalize restituisce un elenco di articoli simili. Oppure puoi utilizzare un flusso di lavoro in batch per ottenere articoli simili per tutti gli articoli del tuo inventario (vedi). Ricevere consigli sugli articoli in batch Quando ricevi articoli simili, puoi filtrare gli articoli in base a un attributo dell'articolo specificato nella richiesta. Puoi farlo aggiungendo unCurrentItem. attributeelemento al tuo filtro. Per vedere un esempio, consulta item data filter examples.
Per utilizzare Similar-Items, è necessario creare un set di dati sulle interazioni tra elementi con almeno 1000 interazioni storiche ed eventi uniche (combinate). Per previsioni più accurate, ti consigliamo di creare anche un set di dati Items e di importare i metadati sugli articoli del tuo catalogo. Similar-Items non utilizza i dati in un set di dati Users per generare consigli. Puoi comunque filtrare i consigli in base ai dati in un set di dati Users. Per ulteriori informazioni, consulta Suggerimenti di filtraggio e segmenti di utenti.
Se disponi di un set di dati Items con dati testuali e dati sul titolo degli elementi, puoi generare temi per gli elementi correlati nei consigli in batch. Per ulteriori informazioni, consulta Suggerimenti per i batch con temi di Content Generator
Puoi ricevere consigli per elementi simili a un elemento freddo (un elemento con meno di cinque interazioni). Se Amazon Personalize non riesce a trovare l'ID dell'articolo specificato nella richiesta di raccomandazione o nel file di input in batch, la ricetta restituisce gli articoli più richiesti come consigli.
Dopo aver creato una versione della soluzione, assicurati di mantenere aggiornati la versione e i dati della soluzione. Con Similar-Items, devi creare manualmente una nuova versione della soluzione (riqualificare il modello) per consentire ad Amazon Personalize di prendere in considerazione nuovi elementi da suggerire e aggiornare il modello con il comportamento più recente dell'utente. Quindi devi aggiornare qualsiasi campagna utilizzando la versione della soluzione. Per ulteriori informazioni, consulta Mantenere la pertinenza delle raccomandazioni.
Proprietà e iperparametri
La ricetta Similar-Items ha le seguenti proprietà:
-
Nome:
aws-similar-items -
Ricetta Amazon Resource Name (ARN) —
arn:aws:personalize:::recipe/aws-similar-items -
Algoritmo ARN —
arn:aws:personalize:::algorithm/aws-similar-items
Per ulteriori informazioni, consulta Scegliere una ricetta.
La tabella seguente descrive gli iperparametri per la ricetta Similar-Items. 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. 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(HPO ottimizzabile): il parametro può partecipare all'HPO?
| Nome | Descrizione |
|---|---|
| Iperparametri dell'algoritmo | |
popularity_discount_factor |
Configura in che modo la popolarità influenza i consigli. Specificate un valore più vicino allo zero per includere gli articoli più popolari. Specificate un valore più vicino a uno per una minore enfasi sulla popolarità. Valore predefinito: 0.0 Intervallo: [0.0, 1.0] Tipo di valore: float HPO regolabile: no |
item_id_hidden_dim |
Il numero di variabili nascoste che Amazon Personalize utilizza per modellare gli incorporamenti degli ID degli articoli in base ai dati di interazione. Le variabili nascoste ricreano la cronologia degli acquisti degli utenti e le statistiche degli articoli per generare punteggi di classifica. Per utilizzarlo Per utilizzare HPO, Valore predefinito: 100 Intervallo: [30, 200] Tipo di valore: Integer HPO regolabile: sì |
item_metadata_hidden_dim |
Il numero di variabili nascoste che Amazon Personalize utilizza per modellare i metadati degli articoli. Per utilizzarlo Per utilizzare HPO, Valore predefinito: 100 Intervallo: [30, 200] Tipo di valore: Integer HPO regolabile: sì |
