Anwenden des Plug-ins auf Amazon OpenSearch Service-Abfragen - Amazon Personalize

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Anwenden des Plug-ins auf Amazon OpenSearch Service-Abfragen

Nachdem Sie eine Pipeline erstellt haben, können Sie das Amazon Personalize Search Ranking-Plugin auf Abfragen anwenden. Sie können das Amazon Personalize Search Ranking-Plugin auf alle Abfragen und Antworten für einen Index anwenden. Sie können das Plugin auch auf einzelne Anfragen und Antworten anwenden.

  • Sie können den folgenden Python-Code verwenden, um eine Suchpipeline auf einen Index anzuwenden. Bei diesem Ansatz verwenden alle Suchanfragen, die diesen Index verwenden, das Plugin, um die Suchergebnisse zu personalisieren.

    import requests from requests_auth_aws_sigv4 import AWSSigV4 domain_endpoint = 'domain endpoint' index = 'index name' url = f'{domain_endpoint}/{index}/_settings/' auth = AWSSigV4('es') headers = {'Content-Type': 'application/json'} body = { "index.search.default_pipeline": "pipeline name" } try: response = requests.put(url, auth=auth, json=body, headers=headers) print(response.text) except Exception as e: print(f"Error: {e}")
  • Sie können den folgenden Python-Code verwenden, um eine Suchpipeline auf eine einzelne Abfrage für Fahrzeuge der Marke Toyota anzuwenden.

    Aktualisieren Sie den Code, um Ihren Domain-Endpunkt, Ihren OpenSearch Serviceindex, den Namen Ihrer Pipeline und Ihre Abfrage anzugeben. Geben Sie für user_id die ID des Benutzers an, für den Sie Suchergebnisse erhalten. Dieser Benutzer muss in den Daten enthalten sein, mit denen Sie Ihre Amazon Personalize-Lösungsversion erstellt haben. Wenn der Benutzer nicht anwesend war, ordnet Amazon Personalize die Artikel nach ihrer Beliebtheit.

    Denn context wenn Sie kontextuelle Metadaten verwenden, geben Sie die kontextuellen Metadaten des Benutzers an, z. B. seinen Gerätetyp. Das Feld context ist optional. Weitere Informationen finden Sie unter Erhöhung der Relevanz von Empfehlungen mit kontextbezogenen Metadaten.

    import requests from requests_auth_aws_sigv4 import AWSSigV4 domain_endpoint = 'domain endpoint' index = 'index name' url = f'{domain_endpoint}/{index}/_search/' auth = AWSSigV4('es') headers = {'Content-Type': 'application/json'} params = {"search_pipeline": "pipeline-name"} body = { "query": { "multi_match": { "query": "Toyota", "fields": ["BRAND"] } }, "ext": { "personalize_request_parameters": { "user_id": "USER ID", "context": { "DEVICE" : "mobile phone" } } } } try: response = requests.post(url, auth=auth, params=params, json=body, headers=headers, verify=False) print(response) except Exception as e: print(f"Error: {e}")