Termini di Amazon Personalize

I seguenti termini si riferiscono all'importazione, all'esportazione e alla formattazione di dati in Amazon Personalize.

set di dati sulle azioni

Un contenitore per i metadati sulle tue azioni. Un'azione è un'attività che genera coinvolgimento o ricavi che potresti consigliare ai tuoi utenti, ad esempio l'installazione dell'app per dispositivi mobili o l'adesione al tuo programma di fidelizzazione. I metadati per le azioni possono includere il timestamp di scadenza dell'azione, il valore, i dati sulla frequenza di ripetizione e i metadati categoriali. Questo tipo di dati viene utilizzato solo da. Ricetta Next-Best-Action

azioni, interazioni, set di dati.

Un contenitore per dati storici e in tempo reale raccolti dalle interazioni tra utenti e azioni. Ogni interazione di azione è costituita da un UserID, un ActionID, un timestamp, un tipo di evento e qualsiasi dato aggiuntivo sull'interazione, come i metadati categorici. Questo tipo di dati viene utilizzato solo da. Ricetta Next-Best-Action

metadati contestuali

Dati sulle interazioni che raccogli sul contesto di navigazione di un utente (come il dispositivo utilizzato o la posizione) quando si verifica un evento (come un clic). I metadati contestuali possono migliorare la pertinenza dei suggerimenti per gli utenti nuovi ed esistenti.

set di dati

Un contenitore per i dati che carichi su Amazon Personalize. Esistono cinque tipi di set di dati di Amazon Personalize: utenti, articoli, set di dati sulle interazioni tra elementi e azioni.

gruppo di set di dati

Un contenitore per le risorse di Amazon Personalize, inclusi set di dati, consigli di dominio e risorse personalizzate. Un gruppo di set di dati organizza le risorse in raccolte indipendenti, in cui le risorse di un gruppo di set di dati non possono influenzare le risorse di nessun altro gruppo di set di dati. Un gruppo di set di dati può essere un gruppo di set di dati di dominio o un gruppo di set di dati personalizzato.

Gruppo di set di dati di dominio

Un gruppo di set di dati contenente risorse preconfigurate per diversi domini aziendali e casi d'uso. Amazon Personalize gestisce il ciclo di vita dei modelli di formazione e della distribuzione. Quando crei un gruppo di set di dati di Domain, scegli il dominio aziendale, importi i dati e crei suggerimenti per ciascuno dei tuoi casi d'uso. Utilizzi il programma di raccomandazione nell'applicazione per ottenere consigli sull'operazione. GetRecommendations

Se inizi con un gruppo di set di dati Domain, puoi comunque aggiungere risorse personalizzate come soluzioni e versioni di soluzioni addestrate con ricette per casi d'uso personalizzati.

Gruppo di set di dati personalizzato

Un gruppo di set di dati contenente solo risorse personalizzate, tra cui soluzioni, versioni di soluzioni, filtri, campagne e processi di inferenza in batch. Si utilizza una campagna per ottenere consigli sull' GetRecommendationsoperazione. Gestisci il ciclo di vita dei modelli di formazione e dell'implementazione. Se inizi con un gruppo di set di dati personalizzato, non puoi associarlo a un dominio in un secondo momento. Crea invece un nuovo gruppo di set di dati Domain.

processo di esportazione del set di dati

Uno strumento di esportazione dei record che invia i record di un set di dati in uno o più file CSV in un bucket Amazon S3. Il file CSV di output include una riga di intestazione con nomi di colonna che corrispondono ai campi dello schema del set di dati.

processo di importazione del set di dati

Uno strumento di importazione in blocco che popola il tuo set di dati Amazon Personalize con i dati di un file CSV nel tuo bucket Amazon S3.

evento

Un'azione dell'utente, come un clic, un acquisto o la visualizzazione di un video, che registri e carichi su un set di dati sulle interazioni di Amazon Personalize Item. Importi eventi in blocco da un file CSV, in modo incrementale con la console Amazon Personalize e in tempo reale.

impressioni esplicite

Un elenco di articoli che aggiungi manualmente a un set di dati sulle interazioni di Amazon Personalize Item. A differenza delle impressioni implicite, che Amazon Personalize ricava automaticamente dai dati delle tue raccomandazioni, sei tu a scegliere cosa includere nelle impressioni esplicite.

impressioni implicite

I consigli che l'applicazione mostra all'utente. A differenza delle impressioni esplicite, che aggiungi manualmente a un set di dati sulle interazioni tra articoli, Amazon Personalize ricava automaticamente le impressioni implicite dai tuoi dati di raccomandazione.

dati delle impressioni

L'elenco di elementi che hai presentato a un utente quando interagiva con un determinato articolo facendo clic su di esso, guardandolo, acquistandolo e così via. Amazon Personalize utilizza i dati delle impressioni per calcolare la pertinenza di nuovi articoli per un utente in base alla frequenza con cui ha selezionato o ignorato lo stesso articolo.

set di dati sulle interazioni

Un contenitore per dati storici e in tempo reale raccolti dalle interazioni tra utenti ed elementi (chiamate eventi). I dati sulle interazioni possono includere dati sul tipo di evento e metadati contestuali.

set di dati di articoli

Un contenitore per i metadati sui tuoi articoli, come prezzo, genere o disponibilità.

frequenza di ripetizione

Un tipo di metadati di azione che puoi importare in un set di dati Actions. I dati sulla frequenza di ripetizione specificano quanti giorni Amazon Personalize deve attendere per consigliare una particolare azione dopo che un utente ha interagito con essa, in base alla cronologia dell'utente nel set di dati sulle interazioni Action.

schema

Un oggetto JSON in formato Apache Avro che comunica ad Amazon Personalize la struttura dei tuoi dati. Amazon Personalize utilizza il tuo schema per analizzare i dati.

set di dati degli utenti

Un contenitore per i metadati sui tuoi utenti, come età, sesso o iscrizione al programma fedeltà.

I seguenti termini si riferiscono alla formazione di un modello in Amazon Personalize.

item-to-item ricetta per le somiglianze (SIMS)

Una ricetta RELATED_ITEMS che utilizza i dati di un set di dati Interactions per fornire consigli per elementi simili a un elemento specificato. La ricetta SIMS calcola la somiglianza in base al modo in cui gli utenti interagiscono con gli articoli anziché abbinare i metadati degli articoli, come il prezzo o il colore.

affinità tra articoli

Una ricetta USER_SEGMENTATION che utilizza i dati di un set di dati sulle interazioni tra elementi e sul set di dati Items per creare segmenti di utenti per ogni elemento specificato in base alla probabilità che gli utenti interagiscano con l'elemento.

item-attribute-affinity

Una ricetta USER_SEGMENTATION che utilizza i dati di un set di dati sulle interazioni tra oggetti e sul set di dati Items per creare un segmento utente per ogni attributo dell'articolo specificato in base alla probabilità che gli utenti interagiscano con gli elementi con l'attributo.

Ricetta Next-Best-Action

Questa ricetta genera consigli in tempo reale per le prossime azioni migliori per i tuoi utenti. La prossima azione migliore per un utente è quella che molto probabilmente intraprenderà. Ad esempio, l'iscrizione al programma fedeltà, il download dell'app o la richiesta di una carta di credito. Per ulteriori informazioni, consulta Ricetta Next-Best-Action.

Ricetta personalizzata-Ranking-v2

Una ricetta PERSONALIZED_RANKING che classifica una raccolta di elementi forniti in base al livello di interesse previsto per un utente specifico. Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende dai dati sulle interazioni degli elementi, dai metadati degli elementi e dai metadati degli utenti. Utilizza la ricetta Personalized-Ranking-v2 per personalizzare l'ordine degli elenchi curati di elementi o dei risultati di ricerca personalizzati per un utente specifico. Può allenarsi su un massimo di 5 milioni di articoli e generare consigli più pertinenti con una latenza inferiore rispetto alla versione precedente.

ricetta con classificazione personalizzata

Una ricetta PERSONALIZED_RANKING che classifica una raccolta di elementi forniti in base al livello di interesse previsto per un utente specifico. Utilizza la ricetta di classificazione personalizzata per personalizzare l'ordine degli elenchi curati di elementi o dei risultati di ricerca personalizzati per un utente specifico.

ricetta di conteggio popolarità

Una ricetta USER_PERSONALIZATION che consiglia gli elementi che hanno il maggior numero di interazioni con utenti unici.

raccomandatore

Uno strumento per gruppi di set di dati di dominio che genera consigli. Crei un programma di raccomandazione per un gruppo di set di dati di Domain e lo utilizzi nell'applicazione per ottenere consigli in tempo reale con l'API. GetRecommendations Quando crei un programma di raccomandazione, specifichi un caso d'uso e Amazon Personalize addestra i modelli supportando il programma con le migliori configurazioni per il caso d'uso.

ricetta

Un algoritmo Amazon Personalize preconfigurato per prevedere gli articoli con cui un utente interagirà (per le ricette USER_PERSONALIZATION), calcolare articoli simili a articoli specifici per i quali un utente ha mostrato interesse (per le ricette RELATED_ITEMS) o classificare una raccolta di articoli che fornisci in base all'interesse previsto per un utente specifico (per le ricette PERSONALIZED_RANKING).

soluzione

La ricetta, i parametri personalizzati e i modelli addestrati (versioni della soluzione) che Amazon Personalize utilizza per generare consigli.

versione della soluzione

Un modello addestrato che crei come parte di una soluzione in Amazon Personalize. Implementa una versione della soluzione in una campagna per attivare l'API di personalizzazione che usi per richiedere consigli.

modalità di addestramento

L'ambito della formazione da eseguire durante la creazione di una versione della soluzione. Sono disponibili due diverse modalità: FULL e UPDATE. La modalità FULL crea una versione della soluzione completamente nuova basata sulla totalità dei dati di addestramento dei set di dati del gruppo di set di dati. UPDATE aggiorna in modo incrementale la versione esistente della soluzione per consigliare nuovi elementi aggiunti dopo l'ultimo corso di formazione.

Nota

Con User-Personalization-v2, User-Personalization o Next-Best-Action, Amazon Personalize aggiorna automaticamente l'ultima versione della soluzione addestrata con la modalità di formazione COMPLETA. Per informazioni, consulta Aggiornamenti automatici.

Ricetta User-Personalization-v2

Una ricetta USER_PERSONALIZATION che consiglia gli elementi con cui un utente interagirà in base alle sue preferenze. Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende dai dati sulle interazioni degli elementi, dai metadati degli elementi e dai metadati degli utenti. Può eseguire il training su un massimo di 5 milioni di elementi e generare consigli più pertinenti con una latenza inferiore rispetto alla versione precedente.

Ricetta per la personalizzazione degli utenti

Una ricetta USER_PERSONALIZZATION basata su Hierarchical Recurrent Neural Network (HRNN) che prevede gli elementi con cui un utente interagirà. La ricetta user-personalization può utilizzare l'esplorazione degli elementi e i dati delle impressioni per generare suggerimenti per nuovi elementi.

I seguenti termini si riferiscono alla distribuzione e all'utilizzo di un modello per generare consigli.

periodo di ottimizzazione delle azioni

Il periodo di tempo utilizzato da Amazon Personalize per prevedere le azioni che l'utente molto probabilmente intraprenderà. Ad esempio, se il periodo di ottimizzazione delle azioni è di 14 giorni, Amazon Personalize prevede le azioni che gli utenti molto probabilmente intraprenderanno nei prossimi 14 giorni. Il periodo di ottimizzazione delle azioni viene configurato quando si crea una soluzione con. Ricetta Next-Best-Action

processo di inferenza in batch

Uno strumento che importa i dati di input in batch da un bucket Amazon S3, utilizza la versione della soluzione per generare consigli ed esporta i consigli in un bucket Amazon S3. Ti consigliamo di utilizzare una posizione diversa per i dati di output (una cartella o un altro bucket Amazon S3). Utilizza un processo di inferenza in batch per ottenere consigli per set di dati di grandi dimensioni che non richiedono aggiornamenti in tempo reale.

processo di segmentazione in batch

Uno strumento che importa i dati di input in batch da un bucket Amazon S3, utilizza la versione della soluzione per creare segmenti di utenti ed esporta i segmenti di utenti in un bucket Amazon S3. Ti consigliamo di utilizzare una posizione diversa per i dati di output (una cartella o un altro bucket Amazon S3). Utilizza un processo di segmentazione in batch con una soluzione supportata da una ricetta USER_SEGMENTATION per creare segmenti di utenti in base alla probabilità che l'utente interagisca con elementi diversi o elementi con attributi di articolo diversi.

campaign

Una versione della soluzione implementata (modello addestrato) con capacità di transazione dedicata predisposta per la creazione di consigli in tempo reale per gli utenti delle applicazioni. Dopo aver creato una campagna, utilizzi le operazioni getRecommendations o le getPersonalizedRanking API per ottenere consigli.

esplorazione di elementi

Con l'esplorazione, i consigli includono alcuni elementi o azioni che in genere sarebbero meno propensi a essere consigliati all'utente, come nuovi elementi o azioni, elementi o azioni con poche interazioni o elementi o azioni meno pertinenti per l'utente in base al suo comportamento precedente.

attribuzione metrica

Uno strumento che utilizzi per misurare l'impatto dei consigli sugli articoli. Un'attribuzione metrica crea report basati sulle interazioni tra gli articoli e sui dati degli articoli importati e sulle metriche specificate. Ad esempio, la durata totale dei film guardati dagli utenti o il numero totale di clic.

suggerimenti

Un elenco di elementi con cui Amazon Personalize prevede che un utente interagirà. A seconda della ricetta Amazon Personalize utilizzata, i consigli possono essere un elenco di articoli (ricette USER_PERSONALIZATION e RELATED_ITEMS) o una classifica di una raccolta di articoli da te forniti (ricette PERSONALIZED_RANKING).

segmenti di utenti

Elenchi di utenti che secondo Amazon Personalize interagiranno con il tuo catalogo. A seconda della ricetta USER_SEGMENTATION utilizzata, crei segmenti di utenti in base ai metadati degli articoli (ricetta Item-Affinity) degli articoli (ricetta Item-Attribute-Affinity). Si creano segmenti di utenti con un processo di segmentazione in batch.