As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Fórmula de Item-Affinity
A receita Item-Affinity (aws-item-affinity) é uma receita USER_SEGMENTATION que cria um segmento de usuário (grupo de usuários) para cada item que você especificar. Esses são os usuários que o Amazon Personalize prevê que provavelmente interagirão com cada item. Use o Item-Affinity para saber mais sobre seus usuários e realizar ações com base em seus respectivos segmentos de usuários.
Por exemplo, talvez você queira criar uma campanha de marketing para seu aplicativo de varejo com base nas preferências do usuário em relação aos itens do seu catálogo. O Item-Affinity cria um segmento de usuário para cada item com base nos dados de seus conjuntos de dados de interações e itens. Você pode usar isso para promover itens diferentes para diferentes segmentos de usuários com base na probabilidade de eles realizarem uma ação (por exemplo, clicar em um item ou comprar um item). Outros usos podem incluir a venda cruzada de produtos para diferentes conjuntos de usuários ou a identificação de possíveis candidatos a emprego.
Para obter segmentos de usuários com base nos itens, você cria uma solução e uma versão da solução com a fórmula Item-Affinity e, em seguida, adiciona uma lista de itens no formato JSON a um bucket do Amazon S3 e cria um trabalho de segmento em lote. O Amazon Personalize envia um segmento de usuário para cada item em seu local de saída no Amazon S3. Seus dados de entrada podem ter, no máximo, 500 itens para os quais obter segmentos de usuário. Para obter informações sobre como preparar dados de entrada para um trabalho de segmento em lote, consulte Como preparar dados de entrada para recomendações em lote.
É necessário ter um conjunto de dados de interações com itens para usar Item-Affinity. Itens e conjuntos de dados de usuários são opcionais. Você pode obter segmentos de usuários com trabalhos de segmentos em lote. Para ter mais informações, consulte Obtendo segmentos de usuários em lote.
Depois de criar uma versão da solução, mantenha a versão e os dados da solução atualizados. Com o Item-Affinity, você deve criar uma nova versão da solução para o Amazon Personalize para considerar novos usuários para segmentos de usuários e atualizar o modelo com o comportamento mais recente de seus usuários. Para obter um segmento de usuário para um item, o item deve estar presente quando você criou a versão da solução.
A fórmula Item-Affinity tem as seguintes propriedades:
-
Nome –
aws-item-affinity -
Fórmula nome do recurso da Amazon (ARN) –
arn:aws:personalize:::recipe/aws-item-affinity -
ARN do algoritmo –
arn:aws:personalize:::algorithm/aws-item-affinity -
ARN de transformação de atributos –
arn:aws:personalize:::feature-transformation/item-affinity -
Tipo de fórmula –
USER_SEGMENTATION
A tabela a seguir descreve os hiperparâmetros da fórmula de Item-Affinity. Um hiperparâmetro é um parâmetro de algoritmo que pode ser ajustado para melhorar o desempenho do modelo. Os hiperparâmetros do algoritmo controlam o desempenho do modelo. Você não pode usar a otimização de hiperparâmetros (HPO) com a fórmula Item-Affinity.
A tabela também fornece as seguintes informações para cada hiperparâmetro:
-
Intervalo: [limite inferior, limite superior]
-
Tipo de valor: inteiro, contínuo (float), categórico (booliano, lista, string)
| Nome | Descrição |
|---|---|
| Hiperparâmetros de algoritmo | |
hidden_dimension |
O número de variáveis ocultas usadas no modelo. Variáveis ocultas recriam o histórico de compras dos usuários e as estatísticas de itens para gerar pontuações de classificação. Especifique um número maior de dimensões ocultas quando seu conjunto de dados de interações incluir padrões mais complicados. Usar mais dimensões ocultas requer um conjunto de dados maior e mais tempo para processamento. Valor padrão: 149 Intervalo: [32, 256] Tipo de valor: inteiro |
