Mendapatkan rekomendasi batch

Dengan sumber daya khusus, Anda bisa mendapatkan rekomendasi item dengan aliran batch asinkron. Misalnya, Anda mungkin mendapatkan rekomendasi produk untuk semua pengguna di daftar email atau item-to-itemkesamaan di seluruh inventaris.

Untuk mendapatkan rekomendasi batch untuk item, Anda menggunakan pekerjaan inferensi batch. Pekerjaan inferensi batch adalah alat yang mengimpor data input batch Anda dari bucket Amazon S3, menggunakan versi solusi kustom Anda untuk menghasilkan rekomendasi item, lalu mengekspor rekomendasi item ke bucket Amazon S3. Bergantung pada resepnya, data masukan Anda adalah daftar pengguna, atau item, atau daftar pengguna masing-masing dengan kumpulan item.

Jika solusi Anda menggunakan resep Item Serupa dan Anda memiliki kumpulan data Item dengan data tekstual dan data judul item, Anda dapat membuat rekomendasi batch dengan tema untuk setiap grup item. Untuk informasi selengkapnya, lihat Rekomendasi Batch dengan tema dari Content Generator.

Saat membuat rekomendasi batch, Amazon Personalize mempertimbangkan semua data massal yang ada pada saat pembuatan versi solusi terbaru. Data ini dapat diimpor dengan mode impor FULL atau INCREMENTAL. Agar catatan massal yang lebih baru dapat memengaruhi rekomendasi batch, Anda harus membuat versi solusi baru dan kemudian membuat pekerjaan inferensi batch.

Amazon Personalize menggunakan data dari impor individual saat membuat rekomendasi batch sebagai berikut:

• Interaksi baru dengan item dan pengguna yang ada: Jika Anda menggunakan resep USER_PERSONALIZATION atau PERSONALIZED_RANKING, Amazon Personalize mempertimbangkan data interaksi baru dengan item dan pengguna yang ada dalam waktu sekitar 15 menit dari impor data. Untuk memastikan acara dipertimbangkan, kami sarankan Anda menunggu minimal 15 menit setelah impor sebelum memulai pekerjaan inferensi batch. Untuk semua resep lainnya, Anda harus membuat versi solusi baru untuk acara streaming untuk memengaruhi rekomendasi batch.

• Pengguna baru: Untuk pengguna tanpa data interaksi, rekomendasi awalnya hanya untuk item populer. Jika Anda menggunakan resep USER_PERSONALIZATION atau PERSONALIZED_RANKING dan Anda merekam peristiwa untuk pengguna, rekomendasi mereka mungkin menjadi lebih relevan dalam waktu sekitar 15 menit setelah impor tanpa pelatihan ulang. Untuk memastikan acara dipertimbangkan, kami sarankan Anda menunggu minimal 15 menit setelah impor sebelum memulai pekerjaan inferensi batch. Untuk semua resep lainnya, Anda harus membuat versi solusi baru untuk acara streaming guna memengaruhi rekomendasi batch bagi pengguna tanpa data interaksi.

• Item baru: Dengan User-personalization-v2 dan User-Personalization, saat Anda membuat pekerjaan inferensi batch dan menentukan versi solusi terlatih lengkap terbaru untuk solusi Anda, Amazon Personalize secara otomatis memperbarui versi solusi untuk menyertakan item baru dalam rekomendasi dengan eksplorasi. Jika Anda tidak menentukan versi solusi terbaru, tidak ada pembaruan yang terjadi. Untuk resep lainnya, Anda harus membuat versi solusi baru untuk item baru yang akan ditampilkan dalam rekomendasi batch. Untuk informasi lebih lanjut tentang eksplorasi, lihatEksplorasi.

Topik

• Alur kerja Batch
• Pedoman dan persyaratan
• Penilaian alur kerja Batch
• Rekomendasi Batch dengan tema dari Content Generator
• Mempersiapkan data input untuk rekomendasi batch
• Membuat pekerjaan inferensi batch
• Contoh keluaran pekerjaan inferensi Batch

Alur kerja Batch

Alur kerja batch adalah sebagai berikut:

1. Siapkan dan unggah data masukan Anda dalam format JSON ke bucket Amazon S3. Format data input Anda tergantung pada resep yang Anda gunakan. Lihat Mempersiapkan data input untuk rekomendasi batch.

2. Buat lokasi terpisah untuk data keluaran Anda, baik folder atau bucket Amazon S3 lainnya.

3. Buat pekerjaan inferensi batch. Lihat Membuat pekerjaan inferensi batch.

4. Saat inferensi batch selesai, ambil rekomendasi item dari lokasi keluaran Anda di Amazon S3.

Pedoman dan persyaratan

Berikut ini adalah pedoman dan persyaratan untuk mendapatkan rekomendasi batch:

• Peran layanan Amazon Personalisasi IAM Anda harus memiliki izin untuk membaca dan menambahkan file ke bucket Amazon S3 Anda. Untuk informasi tentang pemberian izin, lihat. Kebijakan peran layanan untuk alur kerja batch Untuk informasi selengkapnya tentang izin bucket, lihat contoh kebijakan pengguna di Panduan Pengembang Layanan Penyimpanan Sederhana Amazon. Jika Anda menggunakan AWS Key Management Service (AWS KMS) untuk enkripsi, Anda harus memberikan izin Amazon Personalize dan Amazon Personalize IAM service role untuk menggunakan kunci Anda. Untuk informasi selengkapnya, lihat Memberikan izin Amazon Personalisasi untuk menggunakan kunci Anda AWS KMS.

• Anda harus membuat solusi kustom dan versi solusi sebelum Anda membuat pekerjaan inferensi batch. Namun, Anda tidak perlu membuat kampanye Amazon Personalize. Jika Anda membuat grup kumpulan data Domain, Anda masih dapat membuat sumber daya kustom.

• Untuk menghasilkan tema dengan rekomendasi, Anda harus menggunakan resep Similar-Items. Dan Anda harus memiliki kumpulan data Item dengan data tekstual dan data judul item. Untuk informasi lebih lanjut tentang rekomendasi bertema, lihatRekomendasi Batch dengan tema dari Content Generator.

• Data masukan Anda harus diformat seperti yang dijelaskan dalamMempersiapkan data input untuk segmen pengguna.

• Anda tidak bisa mendapatkan rekomendasi batch dengan resep Trending-Now atau Next-Best-Action.

• Jika Anda menggunakan filter dengan parameter placeholder, Anda harus menyertakan nilai untuk parameter dalam data input Anda dalam objek. filterValues Untuk informasi selengkapnya, lihat Memberikan nilai filter di JSON masukan Anda.

• Kami menyarankan Anda menggunakan lokasi yang berbeda untuk data keluaran Anda (baik folder atau bucket Amazon S3 yang berbeda) daripada data input Anda.

• Rekomendasi Batch mungkin tidak persis sama dengan rekomendasi waktu nyata. Ini karena pekerjaan inferensi batch membutuhkan waktu lebih lama untuk diselesaikan dan hanya mempertimbangkan data yang tersedia 15 menit sebelum dimulainya pekerjaan.

Penilaian alur kerja Batch

Rekomendasi Batch mencakup skor sebagai berikut:

• Dengan resep Personalisasi Pengguna dan Personalisasi Peringkat, Amazon Personalize menghitung skor rekomendasi pekerjaan inferensi batch seperti yang dijelaskan dalam dan. Cara kerja penilaian rekomendasi (sumber daya khusus) Cara kerja penilaian peringkat yang dipersonalisasi Anda dapat melihat skor dalam file JSON keluaran pekerjaan inferensi batch.

• Dengan resep Similar-Items, jika Anda mendapatkan rekomendasi batch bertema, Amazon Personalize memberi peringkat setiap set item terkait berdasarkan seberapa relevan tema untuk setiap item. Setiap item termasuk skor dari 0 hingga 1. Semakin tinggi skor, semakin erat hubungannya item dengan tema. Untuk informasi selengkapnya tentang rekomendasi dengan tema, lihatRekomendasi Batch dengan tema dari Content Generator.