翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon Personalize の用語
このセクションでは、Amazon Personalize で使用される用語をご紹介します。
データのインポートと管理
次の用語は、Amazon Personalize でのデータのインポート、エクスポート、およびフォーマットに関連するものです。
- アクションデータセット
-
アクションに関するメタデータのコンテナ。アクションとは、モバイルアプリのインストールやロイヤルティプログラムへの参加など、ユーザーに推奨するエンゲージメントや収益を生み出すアクティビティです。アクションのメタデータには、アクションの有効期限のタイムスタンプ、値、繰り返し頻度データ、カテゴリメタデータが含まれる場合があります。このタイプのデータは、 によってのみ使用されますNext-Best-Action レシピ。
- アクションインタラクションデータセット
-
ユーザーとアクション間のやり取りから収集する履歴データとリアルタイムデータのコンテナ。各アクションインタラクションは、userID、actionID、タイムスタンプ、イベントタイプ、およびインタラクションに関するその他のデータ (カテゴリ別メタデータなど) で構成されます。このタイプのデータは、 によってのみ使用されますNext-Best-Action レシピ。
- コンテキストメタデータ
-
イベント (クリックなど) が発生したときに、ユーザーの閲覧コンテキスト (使用デバイスや場所など) について収集するインタラクションデータ。コンテキストメタデータは、新規ユーザーおよび既存のユーザーに対する推奨事項の関連性を向上させることができます。
- データセット
-
Amazon Personalize にアップロードするデータのコンテナ。Amazon Personalize データセットには、ユーザー、アイテム、アイテムインタラクションデータセット、アクションの 5 つのタイプがあります。
- データセットグループ
-
データセット、ドメインレコメンダー、カスタムリソースなどの Amazon Personalize リソースのコンテナです。データセットグループは、リソースを独立したコレクションにまとめるため、あるデータセットグループのリソースが他のデータセットグループのリソースに影響を与えることはできません。データセットグループは、ドメインデータセットグループまたはカスタムデータセットグループのいずれかになります。
- ドメインデータセットグループ
-
さまざまなビジネスドメインおよびユースケース用に事前設定されたリソースを含むデータセットグループ。Amazon Personalize は、トレーニングモデルとデプロイのライフサイクルを管理します。ドメインデータセットグループを作成するときは、ビジネスドメインを選択し、データをインポートして、各ユースケースのレコメンダーを作成します。アプリケーションでレコメンダーを使用して、 オペレーションで GetRecommendationsレコメンデーションを取得します。
ドメインデータセットグループで始める場合でも、カスタムユースケースのレシピでトレーニングされたソリューションやソリューションバージョンなどのカスタムリソースを追加できます。
- カスタムデータセットグループ
-
ソリューション、ソリューションバージョン、フィルター、キャンペーン、バッチ推論ジョブなどのカスタムリソースを含むデータセットグループ。キャンペーンを使用して、 オペレーションで GetRecommendationsレコメンデーションを取得します。トレーニングモデルとデプロイのライフサイクルを管理します。カスタムデータセットグループから始める場合、後でそれをドメインに関連付けることはできません。代わりに、新しいドメインデータセットグループを作成します。
- データセットのエクスポートジョブ
-
データセット内のレコードを Amazon S3 バケット内の 1 つ以上の CSV ファイルに出力するレコードエクスポートツール。出力 CSV ファイルには、データセットのスキーマのフィールドと一致する列名を持つヘッダー行が含まれています。
- データセットのインポートジョブ
-
Amazon S3 バケット内の CSV ファイルからのデータを、Amazon Personalize のデータセットに取り込む一括インポートツール。
- イベント
-
クリック、購入、動画視聴など、ユーザーが記録し、Amazon Personalize のアイテムインタラクションデータセットにアップロードするユーザーアクション。CSV ファイルから一括で、Amazon Personalize コンソールを使用して増分的に、およびリアルタイムで、イベントをインポートします。
- 明示的なインプレッション
-
Amazon Personalize のアイテムインタラクションデータセットに手動で追加するアイテムのリスト。暗黙的なインプレッション (Amazon Personalize がレコメンデーションデータから自動的に派生させるもの) とは異なり、明示的なインプレッションに含めるものを選択します。
- 暗黙的なインプレッション
-
アプリケーションがユーザーに表示するレコメンデーションです。アイテムインタラクションデータセットに手動で追加する明示的なインプレッションとは異なり、Amazon Personalize は、レコメンデーションデータから暗黙的なインプレッションを自動的に派生させます。
- インプレッションデータ
-
クリック、表示、購入などによって、ユーザーが特定のアイテムを操作したときに、ユーザーに提示したアイテムのリスト。Amazon Personalize では、インプレッションデータを使用して、ユーザーが同じ製品を選択または無視した頻度に基づいて、ユーザーの新製品の関連性を計算します。
- インタラクションデータセット
-
ユーザーと製品間のやり取り (イベントといいます) から収集された履歴データとリアルタイムデータのコンテナ。インタラクションデータには、イベントタイプデータとコンテキストメタデータ を含めることができます。
- アイテムデータセット
-
料金、ジャンル、在庫状況など、製品に関するメタデータのコンテナ。
- 繰り返し頻度
-
Actions データセットにインポートできるアクションメタデータのタイプ。繰り返し頻度データは、Action インタラクションデータセット内のユーザーの履歴に基づいて、ユーザーが特定のアクションとやり取りした後、Amazon Personalize がその特定のアクションを推奨するまで待機する日数を指定します。
- スキーマ
-
データの構造を Amazon Personalize に知らせる Apache Avro
形式の JSON オブジェクト。Amazon Personalize は、スキーマを使用してデータを解析します。 - ユーザーデータセット
-
年齢、性別、ロイヤルティメンバーシップなど、ユーザーに関するメタデータのコンテナ。
トレーニング
次の用語は、Amazon Personalize でのモデルのトレーニングに関連するものです。
- item-to-item 類似度 (SIMS) レシピ
-
RELATED_ITEMS レシピ。インタラクションデータセットのデータを使用して、指定された製品に類似する製品のレコメンデーションを作成します。SIMS レシピは、料金や色などの製品メタデータを照合するのではなく、ユーザーがアイテムを操作する方法に基づいて類似度を計算します。
- item-affinity
-
アイテムインタラクションデータセットとアイテムデータセットのデータを使用して、ユーザーがアイテムを操作する可能性に基づいて指定した、各アイテムのユーザーセグメントを作成する USER_SEGMENTATION レシピ。
- item-attribute-affinity
-
アイテムインタラクションデータセットとアイテムデータセットのデータを使用して、ユーザーが属性を使用してアイテムを操作する可能性に基づいて指定した、各アイテム属性のユーザーセグメントを作成する USER_SEGMENTATION レシピ。
- Next-Best-Action レシピ
-
このレシピは、ユーザーにとって次に最適なアクションに関するリアルタイムのレコメンデーションを生成します。ユーザーにとって次善のアクションは、ユーザーが実行する可能性が最も高いアクションです。例えば、ロイヤルティプログラムへの登録、アプリのダウンロード、クレジットカードの申請などです。詳細については、「Next-Best-Action レシピ」を参照してください。
- Personalized-Ranking-v2 レシピ
-
PERSONALIZED_RANKING のレシピ。特定のユーザーについて予測される関心レベルに基づいて、提供する製品のコレクションをランク付けします。このレシピは、トランスフォーマーベースのアーキテクチャを使用して、アイテムインタラクションデータ、アイテムメタデータ、ユーザーメタデータから学習するモデルをトレーニングします。Personalized-Ranking-v2 レシピを使用して、特定のユーザー向けにパーソナライズされたアイテムまたは検索結果の厳選されたリストの順序をパーソナライズします。最大 500 万項目でトレーニングし、以前のバージョンよりもレイテンシーが低く、より関連性の高いレコメンデーションを生成できます。
- personalized-ranking の recipe
-
PERSONALIZED_RANKING のレシピ。特定のユーザーについて予測される関心レベルに基づいて、提供する製品のコレクションをランク付けします。パーソナライズされたランキングレシピを使用して、特定のユーザー向けにパーソナライズされたアイテムまたは検索結果のキュレーションされたリストの順序をパーソナライズします。
- popularity-count の recipe
-
USER_PERSONALIZATION レシピ。一意のユーザーとのやり取りが最も多いアイテムを推奨します。
- レコメンダー
-
レコメンデーションを生成するドメインデータセットグループのツール。ドメインデータセットグループのレコメンダーを作成し、アプリケーションで を使用して GetRecommendations API でリアルタイムのレコメンデーションを取得します。レコメンダーを作成する場合、ユースケースを指定します。そして、Amazon Personalize は、ユースケースに最適な設定でレコメンダーをサポートするモデルをトレーニングします。
- recipe
-
ユーザーが操作する製品を予測する (USER_PERSONALIZATION レシピの場合)、またはユーザーが関心を示した特定の製品に類似する製品を計算する (RELATED_ITEMS レシピの場合)、または予測された関心に基づいて提供した製品のコレクションをランク付けするように事前構成された Amazon Personalize アルゴリズムの特定のユーザー。
- solution
-
Amazon Personalize がレコメンデーションを生成するために使用するレシピ、カスタマイズされたパラメータ、およびトレーニング済みモデル (ソリューションバージョン)。
- ソリューションバージョン
-
Amazon Personalize でソリューションの一部として作成するトレーニング済みのモデル。キャンペーンでソリューションバージョンをデプロイして、レコメンデーションのリクエストに使用するパーソナライゼーション API をアクティブ化します。
- トレーニングモード
-
ソリューションバージョンを作成するときに実行するトレーニングの範囲。FULL と UPDATE の 2 つの異なるモードがあります。FULL モードでは、データセットグループ内のデータセットからのトレーニングデータ全体に基づいて、完全に新しいソリューションバージョンが作成されます。UPDATE は、既存のソリューションバージョンを増分的に更新して、前回のトレーニング以降に追加した新しいアイテムを推奨します。
注記
User-Personalization-v2、User-Personalization、または Next-Best-Action を使用すると、Amazon Personalize は FULL トレーニングモードでトレーニングされた最新のソリューションバージョンを自動的に更新します。自動更新 を参照してください。
- User-Personalization-v2 レシピ
-
USER_PERSONALIZATION レシピは、ユーザーが好みに基づいて操作するアイテムを推奨します。このレシピは、トランスフォーマーベースのアーキテクチャを使用して、アイテムインタラクションデータ、アイテムメタデータ、およびユーザーメタデータから学習するモデルをトレーニングします。最大 500 万項目でトレーニングし、以前のバージョンよりもレイテンシーが低く、より関連性の高いレコメンデーションを生成できます。
- User-Personalization レシピ
-
ユーザーがインタラクションするアイテムを予測する、Hierarchical Recurrent Neural Network (HRNN) ベースの USER_PERSONALIZATION レシピ。user-personalization の recipe では、製品の探索とインプレッションのデータを使用して、新製品の推奨事項を生成できます。
モデルのデプロイとレコメンデーション
以下の用語は、モデルのデプロイと使用に関するレコメンデーションの生成に関連しています。
- アクションの最適化期間
-
Amazon Personalize が、ユーザーが実行する可能性が最も高いアクションを予測するときに使用する期間。例えば、アクションの最適化期間が 14 日の場合、Amazon Personalize はユーザーが今後 14 日間に実行する可能性が最も高いアクションを予測します。を使用してソリューションを作成するときに、アクションの最適化期間を設定しますNext-Best-Action レシピ。
- バッチ推論ジョブ
-
Amazon S3 バケットからバッチ入力データをインポートし、ソリューションバージョンを使用してレコメンデーションを生成し、レコメンデーションを Amazon S3 バケットにエクスポートするツール。出力データには別の場所 (フォルダまたは別の Amazon S3 バケット) を使用することをお勧めします。バッチ推論ジョブを使用して、リアルタイムの更新を必要としない大規模なデータセットのレコメンデーションを取得します。
- バッチセグメントジョブ
-
Amazon S3 バケットからバッチ入力データをインポートし、ソリューションバージョンを使用してユーザーセグメントを作成し、ユーザーセグメントを Amazon S3 バケットにエクスポートするツール。出力データには別の場所 (フォルダまたは別の Amazon S3 バケット) を使用することをお勧めします。USER_SEGMENTATION レシピにサポートされたソリューションでバッチセグメントジョブを使用して、ユーザーがさまざまなアイテムまたはさまざまなアイテム属性を持つアイテムを操作する可能性に基づいてユーザーのセグメントを作成します。
- キャンペーン
-
専用のプロビジョンドトランザクション容量を搭載した、デプロイ済みのソリューションバージョン (トレーニング済みモデル)。アプリケーションユーザー向けのリアルタイムレコメンデーションを作成します。キャンペーンを作成したら、
getRecommendations
またはgetPersonalizedRanking
の API 操作を使用してレコメンデーションを取得します。 - 製品調査
-
探索では、新しいアイテムまたはアクション、インタラクションがほとんどないアイテムまたはアクション、以前の行動に基づいてユーザーに関連性が低いアイテムまたはアクションなど、通常はユーザーにレコメンデーションされる可能性が低いアイテムまたはアクションがレコメンデーションに含まれます。
- メトリクス属性
-
アイテムレコメンデーションの影響を測定するために使用するツール。メトリクス属性は、インポートしたアイテムインタラクションとアイテムのデータ、および指定したメトリクスに基づいてレポートを作成します。例えば、ユーザーが視聴した映画の合計時間やクリックイベントの総数などです。
- レコメンデーション
-
Amazon Personalize が、ユーザーが操作すると予測する商品のリスト。レコメンデーションは、使用している Amazon Personalize レシピに応じて、製品のリスト (USER_PERSONALIZATION レシピと RELATED_ITEMS レシピ) か、指定した製品コレクションのランキング (PERSONALIZED_RANKING レシピ) のいずれかになります。
- ユーザーセグメント
-
Amazon Personalize が、カタログを操作すると予測するユーザーのリスト。使用した USER_SEGMENTATION レシピに応じて、アイテム (Item-Affinity レシピ) アイテムメタデータ (Item-Attribute-Affinity レシピ) に基づいてユーザーセグメントを作成します。バッチセグメントジョブを使用してユーザーセグメントを作成します。