Ricetta User-Personalization-v2 - Amazon Personalize

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 User-Personalization-v2

La ricetta User-Personalization-v 2 (aws-user-personalization-v2) consiglia gli elementi con cui un utente interagirà in base alle proprie preferenze. Ad esempio, puoi utilizzare User-Personalization-v 2 per generare consigli personalizzati sui film per un'app di streaming o consigli personalizzati sui prodotti per un'app di vendita al dettaglio. Altri casi d'uso includono la generazione di consigli in tempo reale per un sito di notizie o consigli in batch per una campagna di marketing personalizzata.

User-Personalization-v2 può addestrarsi su un massimo di 5 milioni di elementi provenienti dalle interazioni tra Item e dai set di dati Items. Inoltre genera consigli più pertinenti con una latenza inferiore rispetto a. Personalizzazione dell'utente

Poiché User-Personalization-v 2 consiglia agli utenti gli elementi più pertinenti in base ai dati, consiglia più frequentemente gli elementi esistenti con dati sulle interazioni. Per assicurarti che i consigli includano nuovi articoli, puoi utilizzare una promozione che includa alcuni articoli in base alla data di creazione. Per ulteriori informazioni sulle promozioni, consulta. Promuovere gli articoli con consigli in tempo reale

Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende il contesto e tiene traccia delle relazioni e dei modelli nei dati. I trasformatori sono un tipo di architettura di rete neurale che trasforma o modifica una sequenza di input in una sequenza di output. Per Amazon Personalize, la sequenza di input è la cronologia delle interazioni tra gli elementi dell'utente nei tuoi dati. La sequenza di output è costituita dai loro consigli personalizzati. Per ulteriori informazioni sui trasformatori, vedi Cosa sono i trasformatori nell'intelligenza artificiale? nel AWS Cloud Computing Concepts Hub.

User-Personalization-v2 utilizza un modello di prezzo diverso rispetto ad altre ricette. Per ulteriori informazioni sui prezzi, consulta la pagina dei prezzi di Amazon Personalize.

Caratteristiche della ricetta

User-Personalization-v2 utilizza le seguenti funzionalità delle ricette di Amazon Personalize per generare consigli sugli articoli:

  • Personalizzazione in tempo reale: con la personalizzazione in tempo reale, Amazon Personalize aggiorna e adatta i consigli sugli articoli in base all'evoluzione dell'interesse dell'utente. Per ulteriori informazioni, consulta Personalizzazione in tempo reale.

  • Esplorazione: con l'esplorazione, i consigli includono elementi con meno dati sulle interazioni o meno rilevanti per l'utente. Con User-Personalization-v 2, Amazon Personalize gestisce la configurazione di esplorazione per te. Per assicurarti che i consigli includano nuovi articoli, puoi utilizzare le promozioni per includere nuovi articoli in base alla data di creazione. Per ulteriori informazioni sulle promozioni, consulta. Promuovere gli articoli con consigli in tempo reale

  • Aggiornamenti automatici: con gli aggiornamenti automatici, Amazon Personalize aggiorna automaticamente il modello più recente (versione della soluzione) ogni due ore per prendere in considerazione nuovi elementi da consigliare. Per ulteriori informazioni, consulta Aggiornamenti automatici.

  • Metadati con consigli: con la ricetta User-Personalization-v 2, se disponi di un set di dati Items con almeno una colonna di metadati, le campagne hanno automaticamente la possibilità di includere i metadati degli articoli nei risultati dei consigli. Non devi abilitare manualmente i metadati per la tua campagna. Puoi utilizzare i metadati per arricchire i consigli nella tua interfaccia utente, ad esempio per aggiungere i generi dei film ai caroselli. Per ulteriori informazioni, consulta Metadati degli articoli nei consigli.

Set di dati obbligatori e opzionali

Per utilizzare il User-Personalization-v 2, è necessario creare un set di dati sulle interazioni tra elementi e importare almeno 1000 interazioni tra elementi. Amazon Personalize genera consigli basati principalmente sui dati di interazione tra gli articoli. Per ulteriori informazioni, consulta Dati di interazione tra gli articoli. User-Personalization-v2 può eseguire il training su un massimo di 5 milioni di articoli tra interazioni tra oggetti e set di dati relativi agli articoli.

Con User-Personalization-v 2, Amazon Personalize può utilizzare i dati sulle interazioni degli articoli che includono quanto segue:

  • Dati sul tipo di evento e sul valore dell'evento: Amazon Personalize utilizza dati sui tipi di evento, come i tipi di eventi click or watch, per identificare l'intento e l'interesse degli utenti attraverso qualsiasi modello di comportamento. Inoltre, puoi utilizzare i dati sul tipo di evento e sul valore dell'evento per filtrare i record prima dell'allenamento. Per ulteriori informazioni, consulta Dati sul tipo e sul valore dell'evento.

    Nota

    Con User-Personalization-v 2, il costo della formazione si basa sui dati delle interazioni prima di filtrarli per tipo o valore dell'evento. Per ulteriori informazioni sui prezzi, consulta la pagina dei prezzi di Amazon Personalize.

  • Metadati contestuali: i metadati contestuali sono dati di interazione raccolti sull'ambiente dell'utente al momento di un evento, ad esempio la posizione o il tipo di dispositivo. Per ulteriori informazioni, consulta Metadati contestuali.

I seguenti set di dati sono facoltativi e possono migliorare i consigli:

  • Set di dati degli utenti: Amazon Personalize può utilizzare i dati del set di dati degli utenti per comprendere meglio gli utenti e i loro interessi. Puoi anche utilizzare i dati in un set di dati Users per filtrare i consigli. Per informazioni sui dati utente che puoi importare, consultaMetadati utente.

  • Set di dati sugli articoli: Amazon Personalize può utilizzare i dati del set di dati Items per identificare connessioni e modelli nel loro comportamento. Questo aiuta Amazon Personalize a comprendere i tuoi utenti e i loro interessi. Puoi anche utilizzare i dati in un set di dati Items per filtrare i consigli. Per informazioni sui dati degli articoli che puoi importare, consultaMetadati degli articoli.

Proprietà e iperparametri

La ricetta User-Personalization-v 2 ha le seguenti proprietà:

  • Nome: aws-user-personalization-v2

  • Nome risorsa Amazon della ricetta (ARN)arn:aws:personalize:::recipe/aws-user-personalization-v2

  • Algoritmo ARNarn:aws:personalize:::algorithm/aws-user-personalization-v2

Per ulteriori informazioni, consulta Scegliere una ricetta.

La tabella seguente descrive gli iperparametri per la ricetta User-Personalization-v 2. 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 degli iperparametri (). HPO Con User-Personalization-v 2, se attivi la formazione automatica, Amazon Personalize viene eseguito automaticamente HPO ogni 90 giorni. Senza formazione automatica, non HPO si verifica nulla.

La tabella fornisce le seguenti informazioni per ogni iperparametro:

  • Range: [limite inferiore, limite superiore]

  • Value type: Integer, Continuous (float), Categorical (booleano, elenco, stringa)

Nome Descrizione
Iperparametri dell'algoritmo
apply_recency_bias

Determina se il modello deve dare maggiore importanza ai dati più recenti sulle interazioni tra elementi nel set di dati sulle interazioni tra elementi. I dati sulle interazioni più recenti potrebbero includere cambiamenti improvvisi nei modelli sottostanti degli eventi di interazione.

Per eseguire il training di un modello che posiziona più peso sugli eventi recenti, imposta apply_recency_bias su true. Per addestrare un modello che pesa ugualmente tutte le interazioni passate, imposta apply_recency_bias su false.

Valore predefinito: true

Intervallo: true o false

Tipo di valore: booleano

HPOsintonizzabile: No