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

지금-유행 레시피

지금-유행 레시피(aws-trending-now)는 사용자들에게 빠르게 인기를 얻고 있는 항목에 대한 추천을 생성합니다. 인기를 얻고 있는 항목이 고객과 더 관련이 있는 경우 지금-유행 레시피를 사용할 수 있습니다. 예를 들어, 고객이 다른 사용자가 접하는 콘텐츠를 높이 평가할 수 있습니다. 일반적인 용도로는 바이럴 소셜 미디어 콘텐츠 추천, 속보 기사 또는 최근 스포츠 동영상 추천 등이 있습니다.

지금-유행은 구성 가능한 시간 간격 동안 각 항목의 상호작용 증가량을 계산하여 가장 인기 있는 항목을 자동으로 식별합니다. 증가율이 가장 높은 항목은 유행 항목으로 간주됩니다. 시간은 항목 상호 작용 데이터 세트의 타임스탬프 데이터를 기반으로 합니다. 고려되는 항목은 대량으로 그리고 점진적으로 가져온 상호작용 데이터에서 나온 것입니다. 상호작용 데이터의 새 항목을 고려하기 위해 지금-유행의 새 솔루션 버전을 수동으로 만들 필요가 없습니다.

솔루션을 만들 때 Trend discovery frequency를 입력하여 시간 간격을 지정할 수 있습니다. 예를 들어 데이터를 30분마다 Trend discovery frequency에 대해 30 minutes을 지정하면 Personalize는 마지막 평가 이후 상호작용 증가율이 가장 높은 항목을 식별합니다. 가능한 빈도는 30분, 1시간, 3시간, 1일 등입니다. 상호작용 데이터의 분포에 맞는 빈도를 선택합니다. 선택한 구간 동안의 데이터가 누락되면 추천 정확도가 떨어질 수 있습니다. 지난 두 기간 동안 상호작용이 전혀 없는 항목을 가져온 경우 Personalize는 유행 항목 대신 인기 있는 항목만 추천합니다.

지금-유행을 사용하면 Personalize 콘솔의 캠페인 테스트 페이지에서 GetRecommendations작업을 호출하거나 추천을 받을 수 있습니다. Personalize가 최고 유행 항목을 반환합니다. 필요한 필터를 적용한 경우에만 요청에 userId을 전달합니다. GetRecommendations API를 사용하면 numResults 파라미터와 함께 반환되는 트렌드 항목 수를 구성할 수 있습니다. 지금-유행 레시피로는 배치 추천을 받을 수 없습니다.

Trending-Now를 사용하려면 EventType 및 (제공된 경우) 기준으로 필터링한 후 1,000개 이상의 고유한 과거 및 이벤트 상호 작용을 결합한 항목 상호 작용 데이터세트를 만들어야 합니다. eventValueThreshold 인기 항목 추천을 생성할 때 Trending-Now는 항목 또는 사용자 데이터세트의 데이터를 사용하지 않습니다. 하지만 이들 데이터세트의 데이터를 기반으로 추천을 필터링할 수는 있습니다. 자세한 내용은 추천 및 사용자 세그먼트 필터링단원을 참조하세요.

속성 및 하이퍼파라미터

지금-유행 레시피의 속성은 다음과 같습니다.

자세한 내용은 레시피 선택단원을 참조하세요.

다음 표에서는 지금-유행 레시피의 하이퍼파라미터를 설명합니다. 하이퍼파라미터는 모델 성능을 향상시키기 위해 조정할 수 있는 알고리즘 파라미터입니다. 알고리즘 하이퍼파라미터는 모델이 성능을 내는 방식을 제어합니다. 하이퍼파라미터에 대한 최적 값을 선택하는 과정을 하이퍼파라미터 최적화(HPO)라고 합니다. 자세한 내용은 하이퍼파라미터 및 HPO단원을 참조하세요.

표에는 각 하이퍼파라미터에 대한 다음 정보도 표시됩니다.

솔루션 생성(Python용 SDK(Boto3))

다음 코드는 Python용 SDK(Boto3)에서 지금-유행 레시피로 솔루션을 만드는 방법을 보여줍니다. trend_discovery_frequency에 가능한 값은 30 minutes, 1 hour, 3 hours및 1 day입니다. 콘솔을 사용하여 솔루션을 생성하는 방법에 대한 자세한 내용은 솔루션 생성(콘솔)단원을 참조하세요.

import boto3
            
personalize = boto3.client("personalize")

create_solution_response = personalize_client.create_solution(
    name="solution name",
    recipeArn="arn:aws:personalize:::recipe/aws-trending-now",
    datasetGroupArn="dataset group ARN",
    solutionConfig={
        "featureTransformationParameters": {
            "trend_discovery_frequency": "1 hour"
         }
    }
)
print(create_solution_response['solutionArn'])

샘플 Jupyter Notebook

트렌딩-나우 레시피를 사용하는 방법을 보여주는 샘플 주피터 노트북은 Amazon Personalize 샘플 리포지토리의 trending_now_example.ipynb를 참조하십시오. GitHub