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.
Ottimizzazione di una soluzione per un obiettivo aggiuntivo
Importante
Per impostazione predefinita, tutte le nuove soluzioni utilizzano la formazione automatica. Con la formazione automatica, si sostengono costi di formazione mentre la soluzione è attiva. Per evitare costi inutili, al termine è possibile aggiornare la soluzione per disattivare la formazione automatica. Per informazioni sui costi di formazione, consulta i prezzi di Amazon Personalize
Se utilizzi la ricetta User-Personalization o la ricetta Personalized-Ranking, puoi ottimizzare una soluzione Amazon Personalize per un obiettivo oltre alla massima pertinenza, come massimizzare le entrate.
Con le ricette di raccomandazione degli articoli, l'obiettivo principale di Amazon Personalize è prevedere gli articoli più pertinenti per i tuoi utenti sulla base di dati storici e sulle interazioni tra gli articoli in tempo reale. Questi sono gli elementi con cui i tuoi utenti interagiranno molto probabilmente (ad esempio, gli elementi su cui molto probabilmente faranno clic). Se hai un obiettivo aggiuntivo, come massimizzare i minuti di streaming o aumentare le entrate, puoi creare una soluzione che generi consigli basati sia sulla pertinenza che sull'obiettivo.
Per ottimizzare una soluzione per un obiettivo aggiuntivo, crea una nuova soluzione con la ricetta User-Personalization o Personalized-Ranking e scegli la colonna di metadati numerici nel set di dati Items correlata al tuo obiettivo. Quando genera consigli, Amazon Personalize dà maggiore importanza agli elementi con valori più alti per questa colonna di dati. Ad esempio, puoi scegliere una LENGTH colonna VIDEO _ per massimizzare i minuti di streaming o una PRICE colonna per massimizzare le entrate.
Puoi utilizzare la console Amazon Personalize, AWS Command Line Interface (AWS CLI), oppure AWS SDKs. Per informazioni sull'uso della console Amazon Personalize, consulta. Creazione di una soluzione (console)
Argomenti
Linee guida e requisiti
I requisiti oggettivi sono i seguenti:
-
Puoi scegliere solo una colonna per il tuo obiettivo.
-
La colonna deve avere un tipo numerico nello schema.
-
La colonna non può avere un
null
tipo nello schema.
Per ulteriori informazioni sugli schemi e sui tipi di dati, consultaCreazione di JSON file di schema per schemi Amazon Personalize.
Bilanciare l'enfasi e la pertinenza degli obiettivi
Quando si consigliano articoli in base più all'obiettivo che alla pertinenza, si può trovare un compromesso. Ad esempio, se desideri aumentare le entrate attraverso i consigli, i consigli relativi solo agli articoli costosi potrebbero rendere gli articoli meno pertinenti per gli utenti e ridurre il coinvolgimento e la conversione degli utenti.
Per configurare l'equilibrio tra pertinenza e obiettivo, scegli uno dei seguenti livelli di sensibilità oggettiva quando crei la soluzione:
-
Disattivato: Amazon Personalize utilizza principalmente i dati sulle interazioni tra gli articoli per prevedere gli articoli più rilevanti per il tuo utente.
-
Basso: Amazon Personalize pone meno enfasi sul tuo obiettivo. La pertinenza attraverso i dati sulle interazioni tra gli articoli è più importante.
-
Medio: Amazon Personalize attribuisce la stessa importanza al tuo obiettivo e alla tua pertinenza attraverso i dati sulle interazioni tra gli articoli.
-
Alto: Amazon Personalize pone maggiormente l'accento sul tuo obiettivo. La pertinenza attraverso i dati sulle interazioni tra gli articoli è meno importante.
Misurazione delle prestazioni di ottimizzazione
Quando crei una versione della soluzione (addestra un modello) per una soluzione con un obiettivo di ottimizzazione, Amazon Personalize genera una average_rewards_at_k
metrica. Il punteggio di average_rewards_at_k
indica le prestazioni della versione della soluzione nel raggiungimento del tuo obiettivo. Per calcolare questa metrica, Amazon Personalize calcola i premi per ogni utente nel modo seguente:
rewards_per_user = total rewards from the user's interactions with their top 25 reward generating recommendations / total rewards from the user's interactions with recommendations
Il risultato finale average_rewards_at_k
è la media di tutti i valori rewards_per_user
normalizzati per essere un valore decimale inferiore o uguale a 1 e maggiore di 0. Più il valore si avvicina a 1, maggiori sono i guadagni in media per utente che puoi aspettarti dai consigli.
Ad esempio, se il tuo obiettivo è massimizzare le entrate derivanti dai clic, Amazon Personalize calcola il punteggio di ogni utente dividendo le entrate totali generate dagli articoli su cui l'utente ha fatto clic tra i 25 consigli più costosi per le entrate derivanti da tutti gli articoli consigliati su cui l'utente ha fatto clic. Amazon Personalize restituisce quindi una media normalizzata di tutti i punteggi degli utenti. Più average_rewards_at_k
si avvicina a 1, maggiori sono le entrate medie che puoi aspettarti di ottenere per utente grazie ai consigli.
Per ulteriori informazioni sulla generazione di metriche, consultaValutazione di una versione della soluzione Amazon Personalize con parametri.
Ottimizzazione di una soluzione (AWS CLI)
Puoi ottimizzare per un obiettivo solo con la ricetta User-Personalization o Personalized-Ranking. Per ottimizzare una soluzione per un obiettivo aggiuntivo utilizzando il AWS CLI, crea una nuova soluzione e specifica i dettagli dell'obiettivo utilizzando la optimizationObjective
chiave nell'solutionConfig
oggetto. optimizationObjective
Ha i seguenti campi:
-
itemAttribute
: Specificate il nome della colonna di metadati numerici del set di dati Items relativa al vostro obiettivo. -
objectiveSensitivity
: Specificate il livello di enfasi che la soluzione attribuisce al vostro obiettivo durante la generazione dei consigli. Il livello di sensibilità oggettiva configura il modo in cui Amazon Personalize bilancia gli articoli consigliati in base all'obiettivo e alla pertinenza attraverso i dati di interazione degli articoli. Possono essere, o.objectiveSensitivity
OFF
LOWMEDIUM
HIGH
Per ulteriori informazioni, consulta Bilanciare l'enfasi e la pertinenza degli obiettivi.
Di seguito è riportato un esempio di create-solution
AWS CLI comando. Sostituisci i recipe
arn
valori solution name
dataset group arn
, e con i tuoi.
PeroptimizationObjective
, COLUMN_NAME
sostituiscilo con il nome numerico della colonna di metadati del set di dati Items correlato al tuo obiettivo. PerobjectiveSensitivity
, specifica, OFFLOW, MEDIUM o. HIGH
aws personalize create-solution \ --name
solution name
\ --dataset-group-arndataset group arn
\ --recipe-arnrecipe arn
\ --solution-config "{\"optimizationObjective\":{\"itemAttribute\":\"COLUMN_NAME
\",\"objectiveSensitivity\":\"MEDIUM
\"}}"
Quando la soluzione è pronta, crea una nuova versione della soluzione (per un esempio, comando vediCreazione di una soluzione (AWS CLI)). Dopo aver creato una versione della soluzione, puoi visualizzare le prestazioni di ottimizzazione con le metriche della versione della soluzione. Per informazioni, consulta Misurazione delle prestazioni di ottimizzazione.
Ottimizzazione di una soluzione (AWS SDKs)
Puoi ottimizzare per un obiettivo solo con la ricetta User-Personalization o Personalized-Ranking.
Per ottimizzare una soluzione per un obiettivo aggiuntivo utilizzando il AWS SDKs, crea una nuova soluzione e specifica i dettagli oggettivi utilizzando la optimizationObjective
chiave nell'solutionConfig
oggetto della soluzione. optimizationObjective
Ha i seguenti campi:
-
itemAttribute
: Specificate il nome della colonna di metadati numerici dal set di dati Items del gruppo di dati che si riferisce al vostro obiettivo. -
objectiveSensitivity
: Specificate il livello di enfasi che la soluzione attribuisce al vostro obiettivo durante la generazione dei consigli. Il livello di sensibilità oggettiva configura il modo in cui Amazon Personalize bilancia gli articoli consigliati in base all'obiettivo e alla pertinenza attraverso i dati di interazione degli articoli. Possono essere, o.objectiveSensitivity
OFF
LOW
MEDIUM
HIGH
Per ulteriori informazioni, consulta Bilanciare l'enfasi e la pertinenza degli obiettivi.
Utilizzate il codice seguente per creare una soluzione con un obiettivo aggiuntivo con AWS SDK for Python (Boto3) o il AWS SDK for Java 2.x.
Quando la soluzione è pronta, crea una nuova versione della soluzione (ad esempio codice vediCreazione di una versione della soluzione (AWS SDKs)). Dopo aver creato una versione della soluzione, puoi visualizzare le prestazioni di ottimizzazione con le metriche della versione della soluzione. Per informazioni, consulta Misurazione delle prestazioni di ottimizzazione.
Notebook Jupyter di esempio
Per un esempio di notebook Jupyter che mostra come creare una soluzione ottimizzata per metadati di elementi aggiuntivi basati su obiettivi, consulta la cartella objective_optimization