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

Amazon Personalize 및 생성형 AI

Amazon Personalize는 생성형 인공 지능(생성형 AI)과 함께 사용할 수 있습니다. Amazon Personalize 콘텐츠 생성기는 생성형 AI의 도움을 받아 관련 항목에 대한 배치 추천에 흥미로운 테마를 추가할 수 있습니다. 콘텐츠 생성기는 Amazon Personalize에서 관리하는 생성형 AI 기능입니다.

또한 Amazon Personalize 추천을 사용하여 Amazon Personalize를 생성형 AI 워크플로와 통합하고 사용자 경험을 개선할 수 있습니다. 예를 들어, 생성형 AI 프롬프트에 추천을 추가하여 각 사용자의 관심사에 맞는 마케팅 콘텐츠를 생성할 수 있습니다. 추천 콘텐츠에 대한 간결한 요약을 생성하거나 채팅 봇을 통해 제품 또는 콘텐츠를 추천할 수도 있습니다.

다음 동영상에서는 Amazon Personalize 및 생성형 AI를 사용하여 추천 사항을 개선하는 방법을 보여줍니다.

다음 Amazon Personalize 기능은 생성형 AI를 사용하거나 개인 맞춤형 콘텐츠를 만드는 생성형 AI 솔루션을 구축하는 데 도움이 될 수 있습니다. 생성형 AI와 함께 Amazon Personalize를 사용하는 방법을 보여주는 샘플 Jupyter 노트북은 Amazon Personalize 샘플 리포지토리의 Amazon Personalize를 사용한 생성형 AI를 참조하세요.

콘텐츠 생성기의 테마가 있는 추천

Amazon Personalize 콘텐츠 생성기는 설명 테마를 배치 추천에 추가할 수 있습니다. 콘텐츠 생성기는 Amazon Personalize에서 관리하는 생성형 AI 기능입니다.

테마가 있는 배치 추천을 받으면 Amazon Personalize 콘텐츠 생성기가 유사한 각 항목 세트에 대한 설명 테마를 추가합니다. 예를 들어, 아침 식사 음식과 유사한 항목을 추천받는 경우 Amazon Personalize는 개운하게 일어나기 또는 아침 필수품과 같은 테마를 생성할 수 있습니다. 이 테마를 사용하여 함께 자주 구매하는 제품과 같은 일반적인 캐러셀 제목을 대체할 수 있습니다. 또는 새 메뉴 옵션에 대한 홍보 이메일이나 마케팅 캠페인에 테마를 통합할 수도 있습니다.

테마를 생성하려면 데이터를 항목 상호 작용 및 항목 데이터 세트로 가져오고, 유사-항목 레시피로 사용자 지정 솔루션을 만들고, 배치 추천을 생성합니다. 항목 데이터에는 항목 설명 및 제목 정보가 포함되어야 합니다. 자세한 항목 설명과 제목은 콘텐츠 생성기가 더 정확하고 흥미로운 테마를 만드는 데 도움이 됩니다.

추천 메타데이터

추천을 받으면 Amazon Personalize가 항목 데이터 세트의 각 추천 항목에 대한 메타데이터를 반환하도록 할 수 있습니다. Amazon Personalize 추천과 함께 이 메타데이터를 생성형 AI 프롬프트에 추가하여 더욱 매력적인 콘텐츠를 생성할 수 있습니다.

예를 들면, 생성형 AI를 사용하여 마케팅 이메일을 만들 수 있습니다. Amazon Personalize 추천 및 해당 메타데이터(예: 영화 장르)를 생성형 AI용 프롬프트 엔지니어링의 하나로 사용할 수 있습니다. 개인 맞춤형 프롬프트를 사용하면 생성형 AI를 통해 각 고객의 관심사에 맞는 매력적인 마케팅 이메일을 생성할 수 있습니다.

추천 메타데이터를 가져오려면 먼저 Amazon Personalize 워크플로를 완료하여 데이터를 가져오고 도메인 또는 사용자 지정 리소스를 생성해야 합니다. Amazon Personalize 추천자 또는 캠페인을 생성할 때 추천에 메타데이터를 포함하는 옵션을 활성화하세요. 추천을 받으면 포함하려는 항목 데이터 열을 지정할 수 있습니다.

개인화를 위해 사전 구성된 LangChain 코드

LangChain 는 언어 모델로 구동되는 애플리케이션을 개발하기 위한 프레임워크입니다. Amazon Personalize용으로 빌드된 코드가 특징입니다. 이 코드를 사용하여 Amazon Personalize 추천을 생성형 AI 솔루션과 통합할 수 있습니다.

예를 들면, 다음 코드를 사용하여 사용자를 위한 Amazon Personalize 추천을 체인에 추가할 수 있습니다.

from aws_langchain import AmazonPersonalize
from aws_langchain import AmazonPersonalizeChain
from langchain.llms.bedrock import Bedrock

recommender_arn="RECOMMENDER ARN"

bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")
client=AmazonPersonalize(credentials_profile_name="default",region_name="us-west-2",recommender_arn=recommender_arn)
# Create personalize chain
# Use return_direct=True if you do not want summary
chain = AmazonPersonalizeChain.from_llm(
    llm=bedrock_llm, 
    client=client,
    return_direct=False 
)
response = chain({'user_id': '1'})
print(response)