本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
開始使用 (AWS CLI)
在本練習中，您可以使用 AWS Command Line Interface (AWS CLI) 來探索 Amazon Personalize。您可以建立一個行銷活動，該活動會傳回針對特定使用者 ID 的電影建議。
開始本練習之前，請執行以下動作：
-
檢閱入門入門先決條件。
-
設定 AWS CLI，如 中所指定設定 AWS CLI。
當您完成入門練習時，為了避免產生不必要的費用，請刪除您建立的資源。如需詳細資訊，請參閱刪除 Amazon Personalize 資源的需求。
注意
此練習中的 AWS CLI 命令已在 Linux 上測試。如需在 Windows 上使用 AWS CLI 命令的相關資訊，請參閱AWS Command Line Interface 《 使用者指南》中的為 指定參數值 AWS Command Line Interface。
依照步驟建立資料集群組、將資料集新增至群組，然後使用電影評等資料填入資料集。
-
執行以下命令來建立資料集群組。您可以透過傳遞AWS Key Management Service金鑰 ARN 和 IAM 角色的 ARN 來加密資料集群組，該角色具有該金鑰的存取許可做為輸入參數。如需 API (匯入 API) 的詳細資訊，請參閱「CreateDatasetGroup」。
aws personalize create-dataset-group --name MovieRatingDatasetGroup --kms-key-arnarn:aws:kms:us-west-2:01234567890:key/1682a1e7-a94d-4d92-bbdf-837d3b62315e--role-arnarn:aws:iam::01234567890:KMS-key-access這時會顯示資料集群組 ARN，例如：
{ "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup" }使用
describe-dataset-group命令指定傳回的資料集群組 ARN，即可顯示您所建立的資料集。aws personalize describe-dataset-group \ --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup這時會顯示資料集群組及其屬性，例如：
{ "datasetGroup": { "name": "MovieRatingDatasetGroup", "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup", "status": "ACTIVE", "creationDateTime": 1542392161.262, "lastUpdatedDateTime": 1542396513.377 } }注意
等到資料集群組的
status顯示為 ACTIVE，再於群組中建立資料集。這個操作通常很快。如果您不記得資料集群組 ARN，則可使用
list-dataset-groups命令來顯示建立的所有資料集群組及其 ARN。aws personalize list-dataset-groups注意
describe-object和list-objects命令適用於大多數 Amazon Personalize 物件。這些命令沒有顯示在本練習的剩餘部分中，但它們是可用的。 -
將以下程式碼儲存至名為
MovieRatingSchema.json的檔案，來建立一個採用 JSON 格式的結構描述檔案。結構描述符合您之前新增到ratings.csv的標頭。結構描述名稱為Interactions，符合 Amazon Personalize 辨識的其中一個資料集類型。如需詳細資訊，請參閱為 Amazon Personalize 結構描述建立結構描述 JSON 檔案。{ "type": "record", "name": "Interactions", "namespace": "com.amazonaws.personalize.schema", "fields": [ { "name": "USER_ID", "type": "string" }, { "name": "ITEM_ID", "type": "string" }, { "name": "TIMESTAMP", "type": "long" } ], "version": "1.0" } -
執行以下命令來建立結構描述。指定您在上一個步驟中儲存的檔案。此範例會顯示屬於目前資料夾的檔案。如需 API (匯入 API) 的詳細資訊，請參閱「CreateSchema」。
aws personalize create-schema \ --name MovieRatingSchema \ --schema file://MovieRatingSchema.json這時會顯示 Amazon Resource Name (ARN)，例如：
{ "schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema" } -
執行以下命令來建立空的資料集。提供先前步驟中所傳回的資料集群組 ARN 和結構描述 ARN。
dataset-type必須符合前一個步驟中的結構描述name。如需 API (匯入 API) 的詳細資訊，請參閱「CreateDataset」。aws personalize create-dataset \ --name MovieRatingDataset \ --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \ --dataset-type Interactions \ --schema-arn arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema這時會顯示資料集 ARN，例如：
{ "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS" } -
將訓練資料新增至資料集。
-
執行以下命令來建立資料集匯入任務。提供先前步驟中傳回的資料集 ARN 和 Amazon S3 儲存貯體名稱。提供您在 中建立的 AWS Identity and Access Management (IAM) 角色 ARN為 Amazon Personalize 建立 IAM 角色。如需 API (匯入 API) 的詳細資訊，請參閱「CreateDatasetImportJob」。
aws personalize create-dataset-import-job \ --job-name MovieRatingImportJob \ --dataset-arn arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS \ --data-source dataLocation=s3://amzn-s3-demo-bucket/ratings.csv \ --role-arnroleArn這時會顯示資料集匯入任務 ARN，例如：
{ "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob" } -
使用
describe-dataset-import-job命令來檢查狀態。提供在前一個步驟中傳回的資料集匯入任務 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「DescribeDatasetImportJob」。aws personalize describe-dataset-import-job \ --dataset-import-job-arn arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob這時會顯示資料集匯入任務的屬性，包括其狀態。
status一開始會顯示為 CREATE PENDING，例如：{ "datasetImportJob": { "jobName": "MovieRatingImportJob", "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob", "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS", "dataSource": { "dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv" }, "roleArn": "role-arn", "status": "CREATE PENDING", "creationDateTime": 1542392161.837, "lastUpdatedDateTime": 1542393013.377 } }當狀態顯示為 ACTIVE 時，即表示資料集匯入完成。然後，您就可以使用指定的資料集來訓練模型。
注意
匯入需要一些時間。請等到資料集匯入完成，再使用該資料集來訓練模型。
-
若要訓練模型，您可以使用 CreateSolution操作建立訓練模型的組態，並保留自動訓練。解決方案會在一小時內自動開始訓練第一個解決方案。
您可以使用配方和訓練資料來訓練模型。Amazon Personalize 提供一組預先定義的配方。如需詳細資訊，請參閱選擇配方。在本練習中，您可以使用 User-Personalization-v2 配方。
-
執行下列命令，以建立用來訓練模型的組態。此命令會建立使用自動訓練的解決方案。它會每七天自動建立新的解決方案版本 （預設值）。
aws personalize create-solution \ --name MovieSolution \ --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \ --recipe-arn arn:aws:personalize:::recipe/aws-user-personalization-v2 \ --perform-auto-training \ --solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(7 days)\"}}"這時會顯示解決方案 ARN，例如：
{ "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution" } -
使用
describe-solution命令檢查建立狀態。提供在前一個步驟中傳回的解決方案 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「DescribeSolution」。aws personalize describe-solution \ --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution這時會顯示解決方案的屬性和建立
status。例如：{ "solution": { "name": "MovieSolution", "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution", "performHPO": false, "performAutoML": false, "recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization-v2", "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup", "solutionConfig": { "algorithmHyperParameters": { "apply_recency_bias": "true" }, "featureTransformationParameters": {}, "autoTrainingConfig": { "schedulingExpression": "rate(7 days)" } }, "status": "ACTIVE", "creationDateTime": "2021-05-12T16:27:59.819000-07:00", "lastUpdatedDateTime": "2021-05-12T16:27:59.819000-07:00" } } -
透過自動訓練，解決方案版本訓練會在解決方案為 ACTIVE 後，於 1 內開始。訓練開始後，您可以使用下列 ListSolutionVersions 命令取得解決方案版本的 Amazon Resource Name (ARN)：
aws personalize list-solution-versions --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution -
使用
describe-solution-version命令檢查解決方案版本的訓練狀態。提供在前一個步驟中傳回的解決方案版本 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「DescribeSolutionVersion」。aws personalize describe-solution-version \ --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id這時會顯示解決方案版本的屬性和訓練
status。此狀態一開始會顯示為 CREATE PENDING，例如：{ "solutionVersion": { "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>", ..., "status": "CREATE PENDING" } } -
當解決方案版本
status為 ACTIVE 時，訓練即完成。現在，您可以使用解決方案版本來檢閱訓練指標並建立行銷活動。
注意
訓練需要一些時間。請等到訓練完成 (解決方案版本的訓練狀態顯示為 ACTIVE)，再將此解決方案版本用於行銷活動。
-
您可以檢閱其指標來驗證解決方案版本的效能。執行以下命令來取得解決方案版本的指標。提供先前傳回的解決方案版本 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「GetSolutionMetrics」。
aws personalize get-solution-metrics \ --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id這時會顯示範例回應：
{ "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/www-solution/<version-id>", "metrics": { "coverage": 0.0485, "mean_reciprocal_rank_at_25": 0.0381, "normalized_discounted_cumulative_gain_at_10": 0.0363, "normalized_discounted_cumulative_gain_at_25": 0.0984, "normalized_discounted_cumulative_gain_at_5": 0.0175, "precision_at_10": 0.0107, "precision_at_25": 0.0207, "precision_at_5": 0.0107 } }
您必須先部署解決方案版本，才能取得建議。部署解決方案也稱為建立行銷活動。一旦您建立了行銷活動，您的用戶端應用程式就可以使用 GetRecommendations API 來取得建議。
-
執行以下命令來建立行銷活動。提供在前一個步驟中傳回的解決方案版本 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「CreateCampaign」。
aws personalize create-campaign \ --name MovieRecommendationCampaign \ --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id\ --min-provisioned-tps 1這時會顯示範例回應：
{ "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign" } -
執行下列命令來檢查部署狀態。提供在前一個步驟中傳回的行銷活動 ARN。如需 API (匯入 API) 的詳細資訊，請參閱「DescribeCampaign」。
aws personalize describe-campaign \ --campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign這時會顯示範例回應：
{ "campaign": { "name": "MovieRecommendationCampaign", "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign", "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>", "minProvisionedTPS": "1", "creationDateTime": 1543864775.923, "lastUpdatedDateTime": 1543864791.923, "status": "CREATE IN_PROGRESS" } }注意
等到
status顯示為 ACTIVE，再從行銷活動中取得建議。
執行下列 get-recommendations 命令來取得建議。提供在前一個步驟中傳回的行銷活動 ARN。您可以在請求中，指定來自電影評等資料集的使用者 ID。如需 API (匯入 API) 的詳細資訊，請參閱「GetRecommendations」。
注意
並不是所有配方都支援 GetRecommendations API。如需詳細資訊，請參閱選擇配方。
您在此步驟中呼叫的 AWS CLI 命令 與先前步驟中的命令personalize-runtime不同。
aws personalize-runtime get-recommendations \
--campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign \
--user-id 123行銷活動會在回應中傳回一個清單，其中列出使用者可能喜愛的項目建議 (電影 ID)。清單是依使用者相關性的遞減順序排序。
{
"itemList": [
{
"itemId": "14"
},
{
"itemId": "15"
},
{
"itemId": "275"
},
{
"itemId": "283"
},
{
"itemId": "273"
},
...
]
}