새 데이터가 실시간 추천에 영향을 미치는 방식 - Personalize
새 상호작용새 항목신규 사용자새로운 작업

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

새 데이터가 실시간 추천에 영향을 미치는 방식

추천자 또는 사용자 지정 솔루션 버전을 생성한 후 새 데이터가 실시간 추천에 미치는 영향은 데이터 유형, 가져오기 방법 및 사용하는 도메인 사용 사례 또는 사용자 지정 레시피에 따라 달라집니다. 다음 섹션에서는 새 데이터가 다음 학습 전에 실시간 추천 사항에 미치는 영향을 설명합니다.

학습은 추천자의 주간 자동 학습 또는 자동 또는 수동 솔루션 버전 생성일 수 있습니다. User-Personalization을 사용한 수동 학습의 경우 기본 FULL 학습 모드를 사용하려면 trainingMode를 생략합니다.

새 상호작용

새 상호 작용은 마지막 재교육 이후에 가져온 항목 또는 작업 상호 작용입니다. 실시간 데이터 및 대량 데이터의 경우, 상호 작용에 새 항목 또는 작업이 포함되면 레시피 또는 사용 사례에서 탐색을 제공할 경우 Amazon Personalize에서 학습 없는 추천에 새 항목 또는 작업을 고려할 수 있습니다. 자세한 내용은 새 항목 또는 새로운 작업을 참조하세요.

실시간 이벤트

실시간 개인 맞춤을 특징으로 하는 사용 사례 및 레시피의 경우 Amazon Personalize는 사용자와 마지막 학습 시 기존 항목 또는 작업 간의 실시간 상호 작용을 즉시 사용합니다. 이벤트에서 사용자를 위한 추천을 생성할 때 Amazon Personalize는 이러한 실시간 상호 작용을 사용합니다. 실시간 개인화에 대한 자세한 내용은 실시간 개인 맞춤단원을 참조하세요.

유사한 항목 추천과 같이 실시간 개인 맞춤을 특징으로 하지 않는 도메인 사용 사례 및 사용자 지정 레시피의 경우 모델은 재학습 후에야 실시간 상호작용 데이터에서 학습합니다.

대량 상호작용

대량 상호 작용의 경우 증분 및 전체 데이터세트 가져오기 작업 모두에 대해 모델은 다음 학습 후에만 대량 항목 상호 작용 또는 작업 상호 작용 데이터에서 학습합니다. 대량 데이터는 실시간 개인 맞춤을 위한 추천을 업데이트하는 데는 사용되지 않습니다.

대량 데이터 가져오기에 대한 자세한 내용은 데이터세트 가져오기 작업을 사용하여 대량 데이터를 Amazon Personalize로 가져오기 섹션을 참조하세요.

새 항목

새 항목은 마지막 학습 후에 가져오는 항목입니다. 항목 데이터세트의 상호작용 데이터 또는 항목 메타데이터에서 가져올 수도 있습니다.

새 항목은 다음과 같이 추천 대상으로 고려됩니다.

  • 최상위 선택 항목과 추천 도메인 사례 또는 User-Personalization-v2, 사용자 개인 맞춤 또는 Next-Best-Action 레시피의 경우 Personalize는 2시간마다 모델을 자동으로 업데이트합니다. 각 업데이트 이후 Amazon Personalize는 탐색의 일환으로 새 항목을 추천 대상으로 고려합니다. Amazon Personalize는 새 항목을 고려할 때 해당 항목에 대한 모든 메타데이터를 고려합니다. 그러나 이 데이터는 항목에 대한 상호 작용을 기록하고 새 모델을 학습한 후에만 추천에 더 큰 영향을 미칩니다. 업데이트에 대한 자세한 내용은 자동 업데이트단원을 참조하세요.

  • 지금 유행 사용 사례를 사용하는 경우 Personalize는 2시간마다 상호작용 데이터를 자동으로 평가하고 유행 항목을 식별합니다. 추천자가 학습을 받을 때까지 기다릴 필요가 없습니다. Trending-Now 레시피를 사용하는 경우 Amazon Personalize는 학습 없이 구성 가능한 간격으로 모든 새 항목을 자동으로 고려합니다. 간격 구성에 대한 자세한 내용은 지금-유행 레시피단원을 참조하세요.

  • Trending-Now 레시피를 사용하지 않거나 사용 사례 또는 레시피가 자동 업데이트를 지원하지 않는 경우 Amazon Personalize는 다음 학습 이후에만 새 항목을 고려합니다.

신규 사용자

새 사용자는 최신 학습 이후에 가져오는 사용자입니다. 사용자 데이터세트의 상호작용 데이터 또는 항목 메타데이터에서 가져올 수도 있습니다. 익명의 신규 사용자(가 없는 사용자userId)의 경우를 사용하여 사용자의 이벤트를 기록할 수 sessionId 있으며, Personalize는 로그인하기 전에 이벤트를 사용자와 연결합니다. 자세한 내용은 익명 사용자를 위한 이벤트 기록 단원을 참조하십시오.

Personalize는 다음과 같이 신규 사용자를 위한 추천을 생성합니다.

  • 지금 유행 도메인 사용 사례 또는 지금-유행 사용자 지정 레시피를 사용하면 신규 사용자에게 가장 유행하는 항목에 대한 추천이 즉시 제공됩니다. 인기도-집계 레시피를 사용하면 신규 사용자는 상호작용이 가장 많은 항목에 대한 추천을 즉시 받게 됩니다.

  • 사용자에게 개인 맞춤형 추천을 제공하는 레시피나 사용 사례의 경우 기존 사용자의 초기 상호작용 이력을 기반으로 신규 사용자를 위한 추천이 제공됩니다. 기존 사용자가 가장 먼저 상호 작용한 항목 또는 작업은 신규 사용자에게 추천될 가능성이 높습니다. 사용자-개인 맞춤 또는 개인 맞춤형-순위 레시피의 경우, recency_mask을 true로 설정하면 상호작용 데이터의 최신 인기 트렌드를 기반으로 한 항목도 추천에 포함됩니다.

다음과 같이 하면 신규 사용자에 대한 추천 관련성을 높일 수 있습니다.

  • 상호작용 데이터 — 새 사용자의 추천 관련성을 높이는 주요 방법은 항목과의 상호작용에서 데이터를 가져오는 것입니다. 새로운 상호작용 데이터가 추천에 영향을 미치는 방식에 대한 자세한 내용은 새 상호작용단원을 참조하세요.

  • 사용자 메타데이터 - GENDER 또는 MEMBERSHIP_와 같은 사용자 메타데이터를 가져오면 권장 사항을 개선할 STATUS수 있습니다. 메타데이터가 추천에 영향을 미치려면 도메인 추천자의 주간 자동 재학습이 완료될 때까지 기다려야 합니다. 또는 새 솔루션 버전을 수동으로 만들어야 합니다.

  • 상황별 메타데이터 – 사용 사례 또는 레시피가 상황별 메타데이터를 지원하고 항목 상호 작용 데이터 세트에 상황별 데이터를 위한 메타데이터 필드가 있는 경우 추천 요청에 사용자의 컨텍스트를 제공할 수 있습니다. 여기에는 재학습이 필요하지 않습니다. 자세한 내용은 컨텍스트 메타데이터로 추천 관련성 높이기 단원을 참조하십시오.

새로운 작업

새 작업은 최신 학습 이후에 가져오는 작업입니다. 작업 상호 작용 데이터나 작업 데이터 세트의 작업에서 가져올 수 있습니다.

레시피를 Next-Best-Action 사용하여 Personalize는 2시간마다 솔루션 버전을 자동으로 업데이트합니다. 각 업데이트 이후 Amazon Personalize는 탐색의 일환으로 새 작업을 추천 대상으로 고려합니다. Amazon Personalize는 새 작업을 고려할 때 해당 작업에 대한 모든 메타데이터를 고려합니다. 그러나 이 데이터는 작업에 대한 작업 상호 작용을 기록하고 완전히 재교육한 후에만 추천에 더 큰 영향을 미칩니다. 업데이트에 대한 자세한 내용은 자동 업데이트 섹션을 참조하세요.