기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
사용자 맞춤화-v2 레시피
사용자 개인화-v2 (aws-user-personalization-v2) 레시피에서는 사용자가 선호도에 따라 상호작용할 항목을 권장합니다. 예를 들어 User-Personalization-v2를 사용하여 스트리밍 앱을 위한 개인화된 영화 추천이나 소매용 앱을 위한 개인화된 제품 추천을 생성할 수 있습니다. 다른 사용 사례로는 뉴스 사이트에 대한 실시간 추천을 생성하거나 개인화된 마케팅 캠페인을 위한 일괄 추천을 생성하는 것이 있습니다.
User-Personalization-v2는 항목 상호 작용 및 항목 데이터세트에서 최대 5백만 개의 항목을 학습할 수 있습니다. 또한 보다 짧은 지연 시간으로 관련성이 더 높은 추천을 생성합니다. 사용자-개인 맞춤
User-Personalization-v2는 데이터를 기반으로 사용자에게 가장 관련성이 높은 항목을 추천하므로 상호 작용 데이터가 있는 기존 항목을 더 자주 추천합니다. 추천에 새 항목이 포함되도록 하려면 생성 타임스탬프를 기반으로 일부 항목을 포함하는 프로모션을 사용할 수 있습니다. 프로모션에 대한 자세한 내용은 을 참조하십시오추천의 항목 홍보.
이 레시피는 트랜스포머 기반 아키텍처를 사용하여 컨텍스트를 학습하고 데이터의 관계 및 패턴을 추적하는 모델을 학습시킵니다. 트랜스포머는 입력 시퀀스를 출력 시퀀스로 변환하거나 변경하는 일종의 신경망 아키텍처입니다. Amazon Personalize의 경우 입력 시퀀스는 데이터에 있는 사용자의 품목 상호 작용 기록입니다. 출력 시퀀스는 개인화된 권장 사항입니다. 트랜스포머에 대한 자세한 내용은 인공 지능의 트랜스포머란 무엇입니까?
사용자 맞춤화-v2는 다른 레시피와 다른 가격 책정 모델을 사용합니다. 요금에 대한 자세한 내용은 Amazon Personalize
레시피 기능
사용자 개인화-v2는 아이템 추천을 생성할 때 다음과 같은 Amazon Personalize 레시피 기능을 사용합니다.
-
실시간 개인화 — 실시간 개인화를 통해 Amazon Personalize는 사용자의 변화하는 관심에 따라 항목 추천을 업데이트하고 조정합니다. 자세한 정보는 실시간 개인 맞춤을 참조하세요.
-
탐색 — 탐색의 경우 권장 사항에는 상호 작용 데이터가 적거나 사용자와의 관련성이 낮은 항목이 포함됩니다. 사용자 개인화-v2를 사용하면 Amazon Personalize가 탐색 구성을 대신 처리합니다. 권장 사항에 새 항목이 포함되도록 하려면 프로모션을 사용하여 생성 타임스탬프를 기반으로 새 항목을 포함시킬 수 있습니다. 프로모션에 대한 자세한 내용은 을 참조하십시오추천의 항목 홍보.
-
자동 업데이트 — Amazon Personalize는 자동 업데이트를 통해 2시간마다 최신 모델 (솔루션 버전) 을 자동으로 업데이트하여 새 항목을 추천하도록 고려합니다. 자세한 정보는 자동 업데이트을 참조하세요.
-
권장 사항이 포함된 메타데이터 — User-Personalization-v2 레시피를 사용하면 메타데이터 열이 하나 이상인 항목 데이터 세트가 있는 경우 캠페인에 추천 결과와 함께 항목 메타데이터를 포함할 수 있는 옵션이 자동으로 제공됩니다. 캠페인의 메타데이터를 수동으로 활성화할 필요는 없습니다. 메타데이터를 통해 사용자 인터페이스에서 추천을 강화할 수 있습니다(예: 캐러셀에 영화 장르 추가). 자세한 정보는 권장 사항의 항목 메타데이터을 참조하세요.
필수 및 선택형 데이터 세트
사용자 맞춤 설정-v2를 사용하려면 최소 1,000개의 항목 상호 작용을 항목 상호 작용 데이터 세트 생성하고 가져와야 합니다. Amazon Personalize는 주로 아이템 상호 작용 데이터를 기반으로 권장 사항을 생성합니다. User-Personalization-v2는 항목 상호 작용 및 항목 데이터 세트에서 최대 5백만 개의 항목을 학습할 수 있습니다.
사용자 개인화-v2를 사용하면 Amazon Personalize는 다음을 포함하는 아이템 상호 작용 데이터를 사용할 수 있습니다.
-
이벤트 유형 및 이벤트 값 데이터 — Amazon Personalize는 클릭 또는 시청 이벤트 유형과 같은 이벤트 유형 데이터를 사용하여 행동 패턴을 통해 사용자 의도와 관심을 식별합니다. 또한 훈련 전에 이벤트 유형 및 이벤트 값 데이터를 사용하여 레코드를 필터링할 수 있습니다. 자세한 정보는 이벤트 유형 및 이벤트 값 데이터을 참조하세요.
참고
User-Personalization-v2를 사용하면 이벤트 유형이나 값을 기준으로 필터링하기 전에 상호 작용 데이터를 기반으로 교육 비용이 책정됩니다. 요금에 대한 자세한 내용은 Amazon Personalize
요금을 참조하십시오. -
상황별 메타데이터 — 상황별 메타데이터는 이벤트 발생 시 사용자 환경에서 수집하는 상호 작용 데이터입니다 (예: 위치 또는 디바이스 유형). 자세한 정보는 컨텍스트 메타데이터을 참조하세요.
다음 데이터세트는 선택사항이며 권장사항을 개선할 수 있습니다.
-
사용자 데이터세트 — Amazon Personalize는 사용자 데이터세트의 데이터를 사용하여 사용자와 관심사를 더 잘 이해할 수 있습니다. 또한 사용자 데이터 세트의 데이터를 사용하여 추천을 필터링할 수 있습니다. 가져올 수 있는 사용자 데이터에 대한 자세한 내용은 사용자 데이터 세트 섹션을 참조하세요.
-
아이템 데이터세트 — Amazon Personalize는 아이템 데이터세트의 데이터를 사용하여 아이템 동작의 연관성과 패턴을 식별할 수 있습니다. 이를 통해 Amazon Personalize는 사용자와 관심사를 이해할 수 있습니다. 또한 아이템 데이터세트의 데이터를 사용하여 권장 사항을 필터링할 수 있습니다. 가져올 수 있는 항목 데이터에 대한 자세한 내용은 항목 데이터 세트 섹션을 참조하세요.
속성 및 하이퍼파라미터
사용자 맞춤설정-v2 레시피에는 다음과 같은 속성이 있습니다.
-
명칭 –
aws-user-personalization-v2 -
레시피 리소스 이름(ARN) -
arn:aws:personalize:::recipe/aws-user-personalization-v2 -
알고리즘 ARN -
arn:aws:personalize:::algorithm/aws-user-personalization-v2
자세한 정보는 레시피 선택을 참조하세요.
다음 표에서는 사용자 개인화-v2 레시피의 하이퍼파라미터에 대해 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. 사용자 개인화-v2를 사용할 경우 자동 교육을 켜면 Amazon Personalize는 90일마다 HPO를 자동으로 수행합니다. 자동 교육이 없으면 HPO가 발생하지 않습니다.
표에는 각 하이퍼파라미터에 대한 다음 정보가 표시됩니다.
-
범위: [하한, 상한]
-
값 형식: 정수, 연속(부동 소수점), 범주(부울, 목록, 문자열)
| 명칭 | 설명 |
|---|---|
| 알고리즘 하이퍼파라미터 | |
apply_recency_bias |
모델이 항목 상호 작용 데이터셋의 최신 항목 상호 작용 데이터에 더 많은 가중치를 부여해야 하는지 여부를 결정합니다. 가장 최근의 상호작용 데이터에는 상호작용 이벤트의 기본 패턴의 급격한 변화가 포함될 수 있습니다. 최신 이벤트에 더 많은 가중치를 부여하는 모델을 학습시키려면 기본 값: 범위: 값 형식: 부울 HPO 조정 가능: 아니요 |
