為訓練準備項目中繼資料 - Amazon Personalize
項目資料需求創建時間戳數據分類中繼資料非結構化文本元數據數值資料非分類字串資料項目元數據示例

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。

為訓練準備項目中繼資料

項目中繼資料包括與您的使用者互動之項目的數值和類別資料。項目中繼資料的範例包括建立時間戳記、價格、類型、說明和可用性。您可以將項目相關的中繼資料匯入 Amazon 個人化項目資料集。

根據您的網域使用案例或自訂配方，項目中繼資料可協助 Amazon Personalize 向使用者推薦更相關的項目、更準確地預測類似項目，或建議更有意義的使用者細分。它可以幫助 Amazon Personalize 化功能在建議中添加新項目。某些網域使用案例需要項目中繼資料，而所有自訂配方都是選用的。如需詳細資訊，請參閱中網域使用案例的資料需求或方案將您的使用案例與 Amazon 個人化資源相符。

訓練時，Amazon Personalize 不會使用非分類字串項目資料，例如項目標題或作者資料。不過，匯入這些資料仍然可以增強建議。如需詳細資訊，請參閱非分類字串資料。

Amazon Personalize 在訓練期間考慮的最大項目數取決於您的使用案例或配方。只有在訓練期間考慮的項目才能顯示在建議中。

  • 對於使用者個人化-V2 或個人化排名-v2，在訓練期間，模型所考慮的項目的最大數目為 500 萬。這些項目來自「項目」和「項目」互動資料集。

  • 對於所有網域使用案例和使用者個人化 V2 和個人化排名-v2 以外的自訂配方，在訓練和產生建議期間，模型所考慮的項目數目上限為 750,000。

對於所有網域使用案例和自訂配方，您的大量項目資料必須位於CSV檔案中。檔案中的每一列都應代表一個唯一的項目。準備完資料之後，您就可以建立結構描述JSON檔案了。該文件告訴 Amazon Personalize 化您的數據的結構。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。

以下各節提供有關如何為 Amazon Personalize 準備項目中繼資料的詳細資訊。如需所有資料類型的大量資料格式準則，請參閱大量資料格式準則

項目資料需求

以下是 Amazon Personalize 化的項目元數據要求。

如果您不確定自己有足夠的資料，或者對資料品質有任何疑問，可以將資料匯入 Amazon Personalize 資料集，然後使用 Amazon Personalize 資料集進行分析。如需詳細資訊，請參閱分析 Amazon Personalize 資料集中的資料品質和數量。

  • 對於所有網域使用案例和自訂配方，您必須具有儲存每個項目的唯一識別碼的 ITEM _ID 欄。每個項目都必須有一個物品 ID。它必須是 256 string 個字元的最大長度。

  • 對於自訂配方，您的資料必須至少有一個分類字串或數值中繼資料欄。項目中繼資料欄可以包含空值/空值。我們建議這些欄至少要完成 70%。

  • 對於網域使用案例，必要的欄取決於您的網域。如需詳細資訊，請參閱 VIDEO_ON_ 網域名稱DEMAND要求 或 ECOMMERCE網域需求。

  • 中繼資料行的最大數目為 100。

VIDEO_ON_ 網域名稱DEMAND要求

某些使用案例需要項目中繼資料 (請參閱視頻隨需使用案例)。如果選用，我們仍建議您匯入項目中繼資料，以取得最相關的建議。如果匯入項目中繼資料，資料必須包含下列欄：

  • ITEM_ID

  • GENRES（分類string）

  • CREATION_ TIMESTAMP (採用 Unix 紀元時間格式)

以下列出其他建議欄及其必要類型。該null類型表示該列可以有缺少值。我們建議這些欄至少要完成 70%。包括這些資料欄可以改善建議。

  • PRICE(浮動)

  • DURATION(浮動)

  • GENRE_L2 (分類string，) null

  • GENRE_L3 (分類string，) null

  • AVERAGE_RATING (float, null)

  • PRODUCT_ DESCRIPTION (文字string，null)

  • CONTENT_OWNER（分類string，null）— 擁有視頻的公司。例如，值可能是HBO派拉蒙和NBC。

  • CONTENT_ CLASSIFICATION (分類string，null) — 內容的評級。例如，值可能是 G、PG、PG-13、R、NC-17 和未分級。

ECOMMERCE網域需求

項目中繼資料對於所有ECOMMERCE使用案例都是選用的 如果你有物品資料，我們建議你匯入物品資料，以取得最相關的建議。如果匯入項目中繼資料，資料必須包含下列欄：

  • ITEM_ID

  • PRICE (float)

  • CATEGORY_L1 (分類string) — 如需有關格式化分類資料的資訊，請參閱。分類中繼資料

以下列出其他建議欄及其必要類型。該null類型表示該列可以有缺少值。我們建議這些欄至少要完成 70%。包括這些資料欄可以改善建議。

  • CATEGORY_L2 (分類string，) null

  • CATEGORY_L3 (分類string，) null

  • PRODUCT_ DESCRIPTION (文字string，null)

  • CREATION_TIMESTAMP (float)

  • AGE_ GROUP (分類string，null) — 項目所屬的年齡群組。價值觀可能是新生兒，嬰兒，兒童和成人。

  • ADULT（分類string，null）— 該項目是否僅限於成年人，例如酒精。值可能是「是」或「否」。

  • GENDER（分類string，null）— 項目所用的性別。值可能是男性，女性和中性。

創建時間戳數據

建立時間戳記資料必須採用 Unix 紀元時間格式 (以秒為單位)。例如，2020 年 7 月 31 日日期的紀元時間戳記 (以秒為單位) 為 1596238243。要將日期轉換為 Unix 紀元時間戳，請使用 E poch 轉換器-Unix 時間戳轉換器。

Amazon Personalize 會使用建立時間戳記資料 (採用 Unix 紀元時間格式，以秒為單位) 來計算項目的年齡，並相應地調整建議。

如果缺少一個或多個項目的建立時間戳記資料，Amazon Personalize 會從互動資料 (如果有的話) 推斷此資訊，並使用項目最舊互動資料的時間戳記作為項目的建立時間戳記。如果項目沒有互動資料，則其建立時間戳記會設定為訓練集中最新互動的時間戳記，Amazon Personalize 會將其視為新項目。

分類中繼資料

在某些配方和所有網域使用案例中，Amazon Personalize 在識別出與使用者最相關項目的基礎模式時，會使用分類中繼資料，例如項目的類型或顏色。您可以根據您的使用案例定義自己的值範圍。分類中繼資料可以是任何語言。

對於具有多個類別的項目，請使用垂直列「|」分隔每個值。例如，對於GENRES欄位，項目的資料可能是Action|Crime|Biopic。如果您有多層級的分類資料，而某些項目在階層中的每個層級都有多個類別，請為每個層級使用個別欄，並在每個欄位名稱後面附加一個層級指示器：GENRES、GENRE _L2、_L3。GENRE這可讓您根據子類別篩選建議，即使某個項目屬於多個多層級類別 (有關建立和使用篩選器的資訊，請參閱篩選建議和使用者區段)。例如，每個類別層級的影片可能包含下列資料：

  • GENRES: 動作 | 冒險

  • GENRE_L2：犯罪 | 西方

  • GENRE_L3：傳記片

在這個例子中，視頻是在動作 > 犯罪 > 傳記片層次結構和冒險 > 西方 > 傳記片層次結構。我們建議僅使用最多 L3，但如有必要，您可以使用更多級別。

分類值最多可包含 1000 個字元。如果您的項目分類值超過 1000 個字元，則資料集匯入工作將會失敗。我們建議分類列具有最多 1000 個可能的值。匯入具有更多值的分類資料可能會對建議產生負面影響。下列項目可協助您減少分類資料行的可能值數目：

  • 請確定值遵循一致的命名慣例，並檢查錯別字。例如，使用「男鞋」而不是混合「男鞋」，「男鞋」和「男鞋」。

  • 合併類似類別，這些類別使用與相同基礎類別略有不同的術語，例如「鞋子」和「運動鞋」。

  • 如果您的資料具有階層結構，其中更廣泛的類別 (例如「鞋類」) 包含更具體的子類別 (例如「男鞋」、「女鞋」、「童鞋」)，請為每個層級使用單獨的欄，並在每個欄位名稱後附加層級指示器。例如，CATEGORY_1、CATEGORY _2 和 CATEGORY _3。這樣可以減少不明確或重疊的品類。

對於所有配方和網域，您可以匯入分類資料，並根據項目的屬性來篩選建議。如需篩選建議的相關資訊，請參閱篩選建議和使用者區段。

非結構化文本元數據

透過某些配方和網域，Amazon Personalize 可以從非結構化文字中繼資料擷取有意義的資訊，例如產品說明、產品評論或電影摘要。Amazon Personalize 會使用非結構化文字來識別使用者的相關項目，尤其是當項目是新項目或互動資料較少時。您最多可以添加 1 個文本字段。在項目資料集中加入非結構化文字資料，以提高目錄中新項目的點進率和對話率。

當您準備非結構化文字中繼資料時，請以雙引號括住文字，並移除任何新行字元。使用\字元可逸出資料中的任何雙引號或\ 字元。Amazon Personalize 化在字符限制下截斷文本字段。請確定文字中最相關的資訊位於欄位的開頭。

非結構化文字值在所有語言中最多可有 20,000 個字元 (中文和日文除外)。對於中文和日文，您最多可以有 7,000 個字符。Amazon Personalize 化會截斷超過字符限制的字符限制的值。

您可以使用多種語言提交非結構化文字項目，但每個項目的文字只能使用一種語言。文字可以使用下列語言：

  • 簡體中文

  • 繁體中文

  • 英文

  • 法文

  • 德文

  • 日文

  • 葡萄牙文

  • 西班牙文

數值資料

Amazon Personalize 可以使用數字項目中繼資料 (例如價格或影片持續時間)，為使用者產生更相關的建議。此數值資料可以表示為整數或十進位值。

如果您使用用戶個性化或個人化排名自訂配方，您還可以針對項目中繼資料相關目標最佳化 Amazon Personalize 解決方案，以達到最大的相關性，例如最大化收入。設定解決方案時，您可以在項目資料集中選擇與目標相關的數值中繼資料欄。例如，您可以選擇 VIDEO _ LENGTH 欄以最大化串流分鐘數，或選擇PRICE欄以最大化收益。

如需詳細資訊，請參閱針對額外目標最佳化解決方案。

非分類字串資料

除項目外IDs，Amazon Personalize 在訓練時不會使用非分類的非文字字串資料，例如項目標題或作者資料。但是，Amazon Personalize 化可以將其與以下功能一起使用。非分類值最多可包含 1000 個字元。

  • Amazon Personalize 可以在建議中包含項目中繼資料，包括非分類字串值。您可以使用中繼資料來豐富使用者介面中的建議項目，例如將導演的名稱新增至影片推薦輪播。如需詳細資訊，請參閱建議中的項目中繼資料。

  • 如果您使用類似物品，您可以產生包含佈景主題的批次建議。當您產生包含主題的批次建議時，必須在批次推論工作中指定項目名稱欄。如需詳細資訊，請參閱包含內容生成器主題的 Batch 推薦。

  • 您可以建立篩選器，以根據非分類字串資料在建議中包含或移除項目。如需篩選條件的詳細資訊，請參閱篩選建議和使用者區段。

項目元數據示例

CSV檔案中的前幾行影片中繼資料可能如下所示。

ITEM_ID,GENRES,CREATION_TIMESTAMP,DESCRIPTION
1,Adventure|Animation|Children|Comedy|Fantasy,1570003267,"This is an animated movie that features action, comedy, and fantasy. Audience is children. This movie was released in 2004."
2,Adventure|Children|Fantasy,1571730101,"This is an adventure movie with elements of fantasy. Audience is children. This movie was release in 2010."
3,Comedy|Romance,1560515629,"This is a romantic comedy. The movie was released in 1999. Audience is young women."
4,Comedy|Drama|Romance,1581670067,"This movie includes elements of both comedy and drama as well as romance. This movie was released in 2020."
...
...

此ITEM_ID欄為必要欄，並儲存每個個別項目的唯一識別碼。此GENRE欄會儲存每部影片的分類中繼資料，而該DESCRIPTION欄則是非結構化的文字中繼資料。該CREATION_TIMESTAMP列以 Unix 紀元時間格式存儲每個項目的創建時間，以秒為單位。

準備完資料之後，您就可以建立結構描述JSON檔案了。該文件告訴 Amazon Personalize 化您的數據的結構。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。對於上述範例資料，這就是結構描述JSON檔案的外觀。

{
  "type": "record",
  "name": "Items",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
    {
      "name": "ITEM_ID",
      "type": "string"
    },
    {
      "name": "GENRES",
      "type": [
        "null",
        "string"
      ],
      "categorical": true
    },
    {
      "name": "CREATION_TIMESTAMP",
      "type": "long"
    },
    {
      "name": "DESCRIPTION",
      "type": [
        "null",
        "string"
      ],
      "textual": true
    }
  ],
  "version": "1.0"
}