Recette de classement V2 personnalisée

La recette Personalized-Ranking-V2 génère des classements personnalisés des articles. Un classement personnalisé est une liste d'éléments recommandés qui sont reclassés en fonction de leur pertinence pour un utilisateur spécifique. Cela est utile si vous disposez d'une collection d'articles commandés, tels que des résultats de recherche, des promotions ou des listes sélectionnées, et que vous souhaitez proposer un reclassement personnalisé pour chacun de vos utilisateurs.

Le classement personnalisé V2 peut s'entraîner sur jusqu'à 5 millions d'éléments à partir d'interactions entre articles et d'ensembles de données d'articles. Et il génère des classements plus précis avec une latence inférieure àPersonalized-Ranking.

Lorsque vous utilisez Personalized-ranking-V2, vous spécifiez les éléments à classer dans une opération d'API. GetPersonalizedRanking Si vous spécifiez des articles sans données d'interaction, Amazon Personalize les renverra sans score de recommandation dans la réponse de l' GetPersonalizedRanking API.

Cette recette utilise une architecture basée sur un transformateur pour entraîner un modèle qui apprend le contexte et suit les relations et les modèles dans vos données. Les transformateurs sont un type d'architecture de réseau neuronal qui transforme ou modifie une séquence d'entrée en séquence de sortie. Pour Amazon Personalize, la séquence de saisie est l'historique des interactions d'un utilisateur avec les articles dans vos données. La séquence de sortie correspond à leurs recommandations personnalisées. Pour plus d'informations sur les transformateurs, voir Que sont les transformateurs dans l'intelligence artificielle ? dans le AWS Cloud Computing Concepts Hub.

Personalized-ranking-V2 utilise un modèle de tarification différent de celui des autres recettes. Pour plus d'informations sur la tarification, consultez la section Tarification Amazon Personalize.

Caractéristiques de la recette

Personalized-ranking-V2 utilise les fonctionnalités de recette Amazon Personalize suivantes pour classer les articles :

• Personnalisation en temps réel — Grâce à la personnalisation en temps réel, Amazon Personalize met à jour et adapte les recommandations d'articles en fonction de l'évolution des intérêts de l'utilisateur. Pour plus d’informations, consultez Personnalisation en temps réel.

• Métadonnées avec recommandations — Avec la recette Personalized-ranking-V2, si vous disposez d'un jeu de données d'articles contenant au moins une colonne de métadonnées, les campagnes ont automatiquement la possibilité d'inclure les métadonnées des articles dans les résultats des recommandations. Vous n'avez pas activé manuellement les métadonnées pour votre campagne. Vous pouvez utiliser les métadonnées pour enrichir les recommandations dans votre interface utilisateur, par exemple en ajoutant les genres de films aux carrousels. Pour plus d’informations, consultez Métadonnées des éléments dans les recommandations.

Ensembles de données obligatoires et facultatifs

Pour utiliser le Personalized-Ranking-V2, vous devez créer Ensemble de données d'interactions entre objets et importer au moins 1 000 interactions entre articles. Amazon Personalize génère des classements principalement sur la base des données d'interaction entre les articles. Le classement personnalisé V2 peut s'entraîner sur jusqu'à 5 millions d'articles dans le cadre des interactions entre articles et des ensembles de données sur les articles.

Avec Personalized-ranking-V2, Amazon Personalize peut utiliser les données relatives aux interactions entre articles, notamment les suivantes :

• Données relatives au type d'événement et à la valeur de l'événement : Amazon Personalize utilise les données relatives aux types d'événements, telles que les types d'événements à cliquer ou à regarder, pour identifier les intentions et les intérêts des utilisateurs en fonction de leurs comportements. Vous pouvez également utiliser les données relatives au type et à la valeur de l'événement pour filtrer les enregistrements avant l'entraînement. Pour plus d’informations, consultez Données relatives au type et à la valeur de l'événement.

  Note

  Avec Personalized-ranking-V2, votre coût d'entraînement est basé sur les données de vos interactions avant d'être filtré par type ou valeur d'événement. Pour plus d'informations sur la tarification, consultez la section Tarification Amazon Personalize.

• Métadonnées contextuelles — Les métadonnées contextuelles sont des données d'interaction que vous collectez sur l'environnement de l'utilisateur au moment d'un événement, telles que sa localisation ou son type d'appareil. Pour plus d’informations, consultez Métadonnées contextuelles.

Les ensembles de données suivants sont facultatifs et peuvent améliorer les recommandations :

• Ensemble de données utilisateurs — Amazon Personalize peut utiliser les données de votre jeu de données utilisateurs pour mieux comprendre vos utilisateurs et leurs centres d'intérêt. Vous pouvez également utiliser les données d'un jeu de données Utilisateurs pour filtrer les recommandations. Pour plus d'informations sur les données utilisateur que vous pouvez importer, consultezEnsemble de données des utilisateurs.

• Ensemble de données d'articles : Amazon Personalize peut utiliser les données de votre jeu de données d'articles pour identifier les connexions et les modèles de comportement. Cela permet à Amazon Personalize de comprendre vos utilisateurs et leurs centres d'intérêt. Vous pouvez également utiliser les données d'un jeu de données Items pour filtrer les recommandations. Pour plus d'informations sur les données d'articles que vous pouvez importer, consultezEnsemble de données d'articles.

Propriétés et hyperparamètres

La recette Personalized-Ranking-V2 possède les propriétés suivantes :

• Nom – aws-personalized-ranking-v2

• Nom de la ressource Amazon (ARN) de la recette — arn:aws:personalize:::recipe/aws-personalized-ranking-v2

• Algorithme ARN — arn:aws:personalize:::algorithm/aws-personalized-ranking-v2

Pour plus d’informations, consultez Choisir une recette.

Le tableau suivant décrit les hyperparamètres de la recette Personalized-ranking-V2. Un hyperparamètre est un paramètre d'algorithme que vous pouvez régler pour améliorer les performances du modèle. Les hyperparamètres d'algorithme contrôlent les performances du modèle. Le processus de sélection de la meilleure valeur pour un hyperparamètre est appelé optimisation des hyperparamètres (HPO). Avec Personalized-ranking-V2, si vous activez la formation automatique, Amazon Personalize effectue automatiquement le HPO tous les 90 jours. Sans entraînement automatique, aucun HPO ne se produit.

Le tableau fournit les informations suivantes pour chaque hyperparamètre :

• Plage: [lower bound, upper bound]

• Type de valeur : integer (entier), Continuous (float) [continu (flottant)], Categorical (Boolean, list, string) [catégorique (booléen, liste, chaîne)]

Name (Nom)	Description
Hyperparamètres de l'algorithme
apply_recency_bias	Détermine si le modèle doit accorder plus de poids aux données d'interactions entre articles les plus récentes de votre jeu de données d'interactions entre articles. Les données d'interactions les plus récentes peuvent inclure des changements soudains dans les modèles sous-jacents des événements d'interaction. Pour former un modèle qui accorde plus de poids aux événements récents, définissez apply_recency_bias sur true. Pour former un modèle qui pèse de manière égale toutes les interactions passées, définissez apply_recency_bias sur false. Valeur par défaut : true Plage : true ou false Type de valeur : booléen HPO personnalisable : non