Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Recette d'articles similaires
Note
Toutes les recettes RELATED_ITEMS utilisent des données d'interactions. Choisissez Similar-Items si vous avez également des métadonnées relatives à des articles et que vous souhaitez qu'Amazon Personalize les utilise pour rechercher des articles similaires. Vous pouvez également choisir le Recette SIMS si vous souhaitez configurer d'autres hyperparamètres pour le modèle.
La recette Similar-Items (aws-similar-items) génère des recommandations pour les articles similaires à un article que vous spécifiez. Utilisez Similar-Items pour aider les clients à découvrir de nouveaux articles dans votre catalogue en fonction de leur comportement antérieur et des métadonnées des articles. La recommandation d'articles similaires peut augmenter l'engagement des utilisateurs, le taux de clics et le taux de conversion de votre application.
Similar-Items calcule la similarité en fonction des données d'interactions et de toutes les métadonnées d'article que vous fournissez. Il prend en compte la cooccurrence de l'élément dans l'historique des utilisateurs de votre jeu de données Interaction, ainsi que toute similitude entre les métadonnées de l'élément. Par exemple, avec Similar-Items, Amazon Personalize peut recommander des articles que les clients achètent fréquemment avec un style similaire (Métadonnées catégoriques), ou des films que différents utilisateurs ont également regardés avec une description similaire ()Métadonnées de texte non structurées.
Avec Similar-Items, vous fournissez un identifiant d'article lors d'une GetRecommendations opération (ou dans la console Amazon Personalize) et Amazon Personalize renvoie une liste d'articles similaires. Vous pouvez également utiliser un flux de travail par lots pour obtenir des articles similaires pour tous les articles de votre inventaire (voirObtenir des recommandations d'articles par lots). Lorsque vous obtenez des articles similaires, vous pouvez les filtrer en fonction d'un attribut de l'article que vous spécifiez dans votre demande. Pour ce faire, ajoutez unCurrentItem. attributeélément de votre filtre. Pour obtenir un exemple, consultez item data filter examples.
Pour utiliser Similar-Items, vous devez créer un jeu de données d'interactions entre articles contenant au moins 1 000 interactions historiques et événementielles uniques (combinées). Pour des prévisions plus précises, nous vous recommandons également de créer un jeu de données d'articles et d'importer des métadonnées relatives aux articles de votre catalogue. Similar-Items n'utilise pas les données d'un ensemble de données Users lors de la génération de recommandations. Vous pouvez toujours filtrer les recommandations en fonction des données d'un ensemble de données Utilisateurs. Pour plus d’informations, consultez Recommandations de filtrage et segments d'utilisateurs.
Si vous disposez d'un jeu de données d'articles contenant des données textuelles et des données de titre d'article, vous pouvez générer des thèmes pour les articles connexes dans des recommandations par lots. Pour plus d’informations, consultez Recommandations par lots avec des thèmes issus du générateur de contenu.
Vous pouvez obtenir des recommandations pour des objets similaires à un objet froid (un objet avec moins de cinq interactions). Si Amazon Personalize ne trouve pas le numéro d'article que vous avez indiqué dans votre demande de recommandation ou dans votre fichier de saisie par lots, la recette renvoie les articles populaires sous forme de recommandations.
Après avoir créé une version de solution, assurez-vous de maintenir la version et les données de votre solution à jour. Avec Similar-Items, vous devez créer manuellement une nouvelle version de solution (modifier le modèle) pour Amazon Personalize afin de prendre en compte les nouveaux articles à des fins de recommandation et de mettre à jour le modèle en fonction du comportement le plus récent de votre utilisateur. Vous devez ensuite mettre à jour toute campagne à l'aide de la version de la solution. Pour plus d’informations, consultez Maintien de la pertinence des recommandations.
Propriétés et hyperparamètres
La recette Similar-Items possède les propriétés suivantes :
-
Nom –
aws-similar-items -
Nom de la ressource Amazon (ARN) de la recette —
arn:aws:personalize:::recipe/aws-similar-items -
Algorithme ARN —
arn:aws:personalize:::algorithm/aws-similar-items
Pour plus d’informations, consultez Choisir une recette.
Le tableau suivant décrit les hyperparamètres de la recette Similar-Items. 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). Pour plus d’informations, consultez Hyperparamètres et HPO.
Le tableau fournit également 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)]
-
HPO tunable (HPO réglable) : le paramètre peut-il participer à HPO ?
| Name (Nom) | Description |
|---|---|
| Hyperparamètres de l'algorithme | |
popularity_discount_factor |
Configurez l'influence de la popularité sur les recommandations. Spécifiez une valeur proche de zéro pour inclure les articles les plus populaires. Spécifiez une valeur plus proche de 1 pour mettre moins l'accent sur la popularité. Valeur par défaut : 0.0 Plage : [0.0, 1.0] Type de valeur : flottante HPO personnalisable : non |
item_id_hidden_dim |
Le nombre de variables masquées qu'Amazon Personalize utilise pour modéliser les identifiants d'articles intégrés en fonction des données d'interactions. Les variables masquées recréent l'historique des achats des utilisateurs et les statistiques des articles pour générer des scores de classement. Pour l'utiliser Pour utiliser HPO, réglez-le sur Valeur par défaut : 100 Gamme : [30, 200] Type de valeur : entier HPO personnalisable : oui |
item_metadata_hidden_dim |
Le nombre de variables masquées qu'Amazon Personalize utilise pour modéliser les métadonnées des articles. Pour l'utiliser Pour utiliser HPO, réglez-le sur Valeur par défaut : 100 Gamme : [30, 200] Type de valeur : entier HPO personnalisable : oui |
