開始使SDK用 (適用於 Java 2.x) - Amazon Personalize

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SDK用 (適用於 Java 2.x)

本教程向您展示如何從頭到尾完成 Amazon Personalize 化工作流程 AWS SDK for Java 2.x.

完成入門練習後,若要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 化資源的要求

如需更多範例,請參閱完整的 Amazon Personalize 化

必要條件

以下是完成此教學課程的先決條件步驟:

教學課程

在以下步驟中,您將項目設置為使用 Amazon Personalize 化軟件包,並SDK為 Java 2.x 客戶端創建 Amazon Personalize 化。然後,您可以匯入資料、建立和部署含有行銷活動的解決方案版本,以及取得建議。

完成先決條件後,將 Amazon 個人化相依性新增至您的 pom.xml 檔案,並匯入 Amazon Personalize 套件。

  1. 將以下依賴項添加到您的 pom.xml 文件中。最新版本號碼可能與範例程式碼不同。

    <dependency> <groupId>software.amazon.awssdk</groupId> <artifactId>personalize</artifactId> <version>2.16.83</version> </dependency> <dependency> <groupId>software.amazon.awssdk</groupId> <artifactId>personalizeruntime</artifactId> <version>2.16.83</version> </dependency> <dependency> <groupId>software.amazon.awssdk</groupId> <artifactId>personalizeevents</artifactId> <version>2.16.83</version> </dependency>
  2. 將以下導入語句添加到您的項目中。

    // import client packages import software.amazon.awssdk.services.personalize.PersonalizeClient; import software.amazon.awssdk.services.personalizeruntime.PersonalizeRuntimeClient; // Amazon Personalize exception package import software.amazon.awssdk.services.personalize.model.PersonalizeException; // schema packages import software.amazon.awssdk.services.personalize.model.CreateSchemaRequest; // dataset group packages import software.amazon.awssdk.services.personalize.model.CreateDatasetGroupRequest; import software.amazon.awssdk.services.personalize.model.DescribeDatasetGroupRequest; // dataset packages import software.amazon.awssdk.services.personalize.model.CreateDatasetRequest; // dataset import job packages import software.amazon.awssdk.services.personalize.model.CreateDatasetImportJobRequest; import software.amazon.awssdk.services.personalize.model.DataSource; import software.amazon.awssdk.services.personalize.model.DatasetImportJob; import software.amazon.awssdk.services.personalize.model.DescribeDatasetImportJobRequest; // solution packages import software.amazon.awssdk.services.personalize.model.CreateSolutionRequest; import software.amazon.awssdk.services.personalize.model.CreateSolutionResponse; // solution version packages import software.amazon.awssdk.services.personalize.model.DescribeSolutionRequest; import software.amazon.awssdk.services.personalize.model.CreateSolutionVersionRequest; import software.amazon.awssdk.services.personalize.model.CreateSolutionVersionResponse; import software.amazon.awssdk.services.personalize.model.DescribeSolutionVersionRequest; // campaign packages import software.amazon.awssdk.services.personalize.model.CreateCampaignRequest; import software.amazon.awssdk.services.personalize.model.CreateCampaignResponse; // get recommendations packages import software.amazon.awssdk.services.personalizeruntime.model.GetRecommendationsRequest; import software.amazon.awssdk.services.personalizeruntime.model.GetRecommendationsResponse; import software.amazon.awssdk.services.personalizeruntime.model.PredictedItem; // Java time utility package import java.time.Instant;

將 Amazon 個人化相依性新增至 pom.xml 檔案並匯入必要的套件之後,請建立下列 Amazon Personalize 用戶端:

PersonalizeClient personalizeClient = PersonalizeClient.builder() .region(region) .build(); PersonalizeRuntimeClient personalizeRuntimeClient = PersonalizeRuntimeClient.builder() .region(region) .build();

在您初始 Amazon Personalize 用戶端之後,請匯入您在完成入門先決條件. 若要將歷史資料匯入 Amazon Personalize,請執行下列操作:

  1. 將下列 Avro 結構描述儲存為工作目錄中的JSON檔案。此結構描述與您在完成時建立的CSV檔案中的欄相符入門先決條件

    { "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" }
  2. 使用以下createSchema方法在 Amazon Personalize 化中創建模式。將下列項目當做參數傳遞:Amazon Personalize 服務用戶端、結構描述的名稱,以及您在上一個步驟中建立的結構描述JSON檔案的檔案路徑。該方法返回您的新模式的 Amazon 資源名稱(ARN)。存放它以供日後使用。

    public static String createSchema(PersonalizeClient personalizeClient, String schemaName, String filePath) { String schema = null; try { schema = new String(Files.readAllBytes(Paths.get(filePath))); } catch (IOException e) { System.out.println(e.getMessage()); } try { CreateSchemaRequest createSchemaRequest = CreateSchemaRequest.builder() .name(schemaName) .schema(schema) .build(); String schemaArn = personalizeClient.createSchema(createSchemaRequest).schemaArn(); System.out.println("Schema arn: " + schemaArn); return schemaArn; } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return ""; }
  3. 建立資料集群組。使用下列createDatasetGroup方法建立資料集群組。將下列項目當做參數傳遞:Amazon 個人化服務用戶端和資料集群組的名稱。此方法會傳回新ARN資料集群組的。存放它以供日後使用。

    public static String createDatasetGroup(PersonalizeClient personalizeClient, String datasetGroupName) { try { CreateDatasetGroupRequest createDatasetGroupRequest = CreateDatasetGroupRequest.builder() .name(datasetGroupName) .build(); return personalizeClient.createDatasetGroup(createDatasetGroupRequest).datasetGroupArn(); } catch (PersonalizeException e) { System.out.println(e.awsErrorDetails().errorMessage()); } return ""; }
  4. 建立項目互動資料集。使用下列createDataset方法建立 Item 互動資料集。將下列項目當做參數傳遞:Amazon Personalize 服務用戶端、資料集的名稱ARN、結構描述、資料集群組以及Interactions資料集類型。ARN此方法會傳回新資料集ARN的。存放它以供日後使用。

    public static String createDataset(PersonalizeClient personalizeClient, String datasetName, String datasetGroupArn, String datasetType, String schemaArn) { try { CreateDatasetRequest request = CreateDatasetRequest.builder() .name(datasetName) .datasetGroupArn(datasetGroupArn) .datasetType(datasetType) .schemaArn(schemaArn) .build(); String datasetArn = personalizeClient.createDataset(request) .datasetArn(); System.out.println("Dataset " + datasetName + " created."); return datasetArn; } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return ""; }
  5. 使用資料集匯入工作匯入資料。使用下列createPersonalizeDatasetImportJob方法建立資料集匯入工作。

    將下列項目當作參數傳遞:Amazon Personalize 服務用戶端、任務名稱、您的項目互動資料集ARN、存放訓練資料的 Amazon S3 儲存貯體路徑 (s3://bucket name/folder name/ratings.csv),以及您的服務角色 ARN (您建立此角色作為其中的一部分入門先決條件)。此方法會傳回ARN資料集匯入工作的。(可選)存儲它以供以後使用。

    public static String createPersonalizeDatasetImportJob(PersonalizeClient personalizeClient, String jobName, String datasetArn, String s3BucketPath, String roleArn) { long waitInMilliseconds = 60 * 1000; String status; String datasetImportJobArn; try { DataSource importDataSource = DataSource.builder() .dataLocation(s3BucketPath) .build(); CreateDatasetImportJobRequest createDatasetImportJobRequest = CreateDatasetImportJobRequest.builder() .datasetArn(datasetArn) .dataSource(importDataSource) .jobName(jobName) .roleArn(roleArn) .build(); datasetImportJobArn = personalizeClient.createDatasetImportJob(createDatasetImportJobRequest) .datasetImportJobArn(); DescribeDatasetImportJobRequest describeDatasetImportJobRequest = DescribeDatasetImportJobRequest.builder() .datasetImportJobArn(datasetImportJobArn) .build(); long maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60; while (Instant.now().getEpochSecond() < maxTime) { DatasetImportJob datasetImportJob = personalizeClient .describeDatasetImportJob(describeDatasetImportJobRequest) .datasetImportJob(); status = datasetImportJob.status(); System.out.println("Dataset import job status: " + status); if (status.equals("ACTIVE") || status.equals("CREATE FAILED")) { break; } try { Thread.sleep(waitInMilliseconds); } catch (InterruptedException e) { System.out.println(e.getMessage()); } } return datasetImportJobArn; } catch (PersonalizeException e) { System.out.println(e.awsErrorDetails().errorMessage()); } return ""; }

匯入資料之後,您可以建立解決方案和解決方案版本,如下所示。該解決方案包含用於訓練模型的配置,解決方案版本是訓練有素的模型。

  1. 使用以下createPersonalizeSolution方法創建一個新的解決方案。將下列項目當做參數傳遞:Amazon Personalize 服務用戶端、您的資料集將 Amazon 資源名稱 (ARN) 分組、解決方案的名稱,以及使用者個人化 V2 方案 ()。ARN arn:aws:personalize:::recipe/aws-user-personalization-v2該方法返回ARN您的新解決方案。存放它以供日後使用。

    public static String createPersonalizeSolution(PersonalizeClient personalizeClient, String datasetGroupArn, String solutionName, String recipeArn) { try { CreateSolutionRequest solutionRequest = CreateSolutionRequest.builder() .name(solutionName) .datasetGroupArn(datasetGroupArn) .recipeArn(recipeArn) .build(); CreateSolutionResponse solutionResponse = personalizeClient.createSolution(solutionRequest); return solutionResponse.solutionArn(); } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return ""; }
  2. 使用下列方法建立解決createPersonalizeSolutionVersion方案版本。作為上一步ARN的解決方案的參數傳遞。下列程式碼會先檢查您的解決方案是否已準備就緒,然後建立解決方案版本。在訓練期間,程式碼會使用DescribeSolutionVersion作業來擷取解決方案版本的狀態。訓練完成後,此方法會傳回新解決方案版本ARN的。存放它以供日後使用。

    public static String createPersonalizeSolutionVersion(PersonalizeClient personalizeClient, String solutionArn) { long maxTime = 0; long waitInMilliseconds = 30 * 1000; // 30 seconds String solutionStatus = ""; String solutionVersionStatus = ""; String solutionVersionArn = ""; try { DescribeSolutionRequest describeSolutionRequest = DescribeSolutionRequest.builder() .solutionArn(solutionArn) .build(); maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60; // Wait until solution is active. while (Instant.now().getEpochSecond() < maxTime) { solutionStatus = personalizeClient.describeSolution(describeSolutionRequest).solution().status(); System.out.println("Solution status: " + solutionStatus); if (solutionStatus.equals("ACTIVE") || solutionStatus.equals("CREATE FAILED")) { break; } try { Thread.sleep(waitInMilliseconds); } catch (InterruptedException e) { System.out.println(e.getMessage()); } } if (solutionStatus.equals("ACTIVE")) { CreateSolutionVersionRequest createSolutionVersionRequest = CreateSolutionVersionRequest.builder() .solutionArn(solutionArn) .build(); CreateSolutionVersionResponse createSolutionVersionResponse = personalizeClient .createSolutionVersion(createSolutionVersionRequest); solutionVersionArn = createSolutionVersionResponse.solutionVersionArn(); System.out.println("Solution version ARN: " + solutionVersionArn); DescribeSolutionVersionRequest describeSolutionVersionRequest = DescribeSolutionVersionRequest.builder() .solutionVersionArn(solutionVersionArn) .build(); while (Instant.now().getEpochSecond() < maxTime) { solutionVersionStatus = personalizeClient.describeSolutionVersion(describeSolutionVersionRequest) .solutionVersion().status(); System.out.println("Solution version status: " + solutionVersionStatus); if (solutionVersionStatus.equals("ACTIVE") || solutionVersionStatus.equals("CREATE FAILED")) { break; } try { Thread.sleep(waitInMilliseconds); } catch (InterruptedException e) { System.out.println(e.getMessage()); } } return solutionVersionArn; } } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return ""; }

如需詳細資訊,請參閱手動建立解決方案版本。建立解決方案版本時,您可以在繼續之前評估其效能。如需詳細資訊,請參閱使用指標評估 Amazon Personalize 解決方案版本

在訓練和評估解決方案版本之後,請使用 Amazon 個人化行銷活動進行部署。使用下列createPersonalCampaign方法部署解決方案版本。將下列項目當做參數傳遞:Amazon 個人化服務用戶端、您在上一步中建立的解決方案版本的 Amazon 資源名稱 (ARN),以及行銷活動的名稱。此方法會傳回新促銷活動ARN的。存放它以供日後使用。

public static String createPersonalCompaign(PersonalizeClient personalizeClient, String solutionVersionArn, String name) { try { CreateCampaignRequest createCampaignRequest = CreateCampaignRequest.builder() .minProvisionedTPS(1) .solutionVersionArn(solutionVersionArn) .name(name) .build(); CreateCampaignResponse campaignResponse = personalizeClient.createCampaign(createCampaignRequest); System.out.println("The campaign ARN is "+campaignResponse.campaignArn()); return campaignResponse.campaignArn(); } catch (PersonalizeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } }

如需 Amazon Personalize 行銷活動的詳細資訊,請參閱使用行銷活動部署 Amazon Personalize 解決方案版本

建立行銷活動後,您可以使用它來取得建議。使用下列getRecs方法取得使用者的建議。作為參數傳遞 Amazon Personalize 執行時間用戶端、您在上一步中建立的廣告活動的 Amazon 資源名稱 (ARN),以及您匯入的歷史資料中的使用者 ID (例如123)。該方法將推薦項目列表打印到屏幕上。

public static void getRecs(PersonalizeRuntimeClient personalizeRuntimeClient, String campaignArn, String userId) { try { GetRecommendationsRequest recommendationsRequest = GetRecommendationsRequest.builder() .campaignArn(campaignArn) .numResults(20) .userId(userId) .build(); GetRecommendationsResponse recommendationsResponse = personalizeRuntimeClient .getRecommendations(recommendationsRequest); List<PredictedItem> items = recommendationsResponse.itemList(); for (PredictedItem item : items) { System.out.println("Item Id is : " + item.itemId()); System.out.println("Item score is : " + item.score()); } } catch (AwsServiceException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } }

完整的 Amazon Personalize 化

對於向您 all-in-one 展示如何使用 Java 2.x 完成 Amazon Personalize 化工作流程的SDK項目,請參閱上的 Amazon 個性化 Java 應用程序。 GitHub該項目包括使用不同配方培訓多個解決方案版本,並記錄 PutEvents 操作的事件。

如需其他範例,請參閱的個人化資料夾中找到的程式碼 AWS SDK實例存儲庫。