VIDEO_ON_DEMAND ユースケース - Amazon Personalize

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

VIDEO_ON_DEMAND ユースケース

次のセクションでは、各 VIDEO_ON_DEMAND ユースケースの要件と Amazon リソースネーム (ARN) を示します。すべてのユースケースで、インタラクションデータには以下が必要です。

  • カタログ内のアイテムを操作したユーザーからのアイテムインタラクションレコードが少なくとも 1000 件ある。これらのインタラクションは、一括インポート、ストリーミングイベント、あるいはその両方からのものである。

  • それぞれに 2 回以上のアイテムインタラクションを伴う 25 個以上のユニークユーザー ID。

質の高いレコメンデーションを行うには、1,000 人以上のユーザーからのアイテムインタラクションが少なくとも 50,000 件あり、それぞれ 2 回以上のアイテムインタラクションがあることが推奨されます。

注記

CreateRecommender API を使用する場合は、レシピ ARN 用にここにリストされている ARN を指定します。

X を視聴したから

指定した動画に基づいて、他のユーザーが視聴した動画のレコメンデーションを取得します。このユースケースでは、Amazon Personalize は、指定した userId と Watch イベントに基づいて、ユーザーが視聴した動画を自動的にフィルタリングします。独自のフィルターを適用すると、そのユーザーが視聴した動画がフィルターで除外された後に、そのフィルターが適用されます。

フィルタリングの際に、Amazon Personalize はイベントタイプごとにユーザー 1 人あたり最大 100 件のアイテムインタラクションを考慮します。これはすべての自動フィルターまたはカスタムフィルターに適用されます。この制限の引き上げをリクエストするには、Service Quotas コンソールを使用します。詳細については、Service Quotas ユーザーガイドの「クォータ引き上げのリクエスト」を参照してください。

  • レシピ ARN arn:aws:personalize:::recipe/aws-vod-because-you-watched-x

  • GetRecommendations API の要件:

    userId: 必須

    itemId: 必須

  • トレーニング時に使用したデータセット: アイテムインタラクションデータセットのみ (必須)

  • 必須イベントタイプ: 最低 1,000 件Watchのイベント。

こちらもおすすめ

指定した動画に類似した動画のレコメンデーションを取得します。このユースケースでは、Amazon Personalize は、指定した userId と Watch イベントに基づいて、ユーザーが視聴した動画を自動的にフィルタリングします。独自のフィルターを適用すると、そのユーザーが視聴した動画がフィルターで除外された後に、そのフィルターが適用されます。

フィルタリングの際に、Amazon Personalize はイベントタイプごとにユーザー 1 人あたり最大 100 件のアイテムインタラクションを考慮します。これはすべての自動フィルターまたはカスタムフィルターに適用されます。この制限の引き上げをリクエストするには、Service Quotas コンソールを使用します。詳細については、Service Quotas ユーザーガイドの「クォータ引き上げのリクエスト」を参照してください。

  • レシピ ARN arn:aws:personalize:::recipe/aws-vod-more-like-x

  • GetRecommendations API の要件:

    userId: 必須

    itemId: 必須

  • トレーニング時に使用したデータセット:

    • インタラクション (必須)

    • アイテム (必須)

  • 必要なイベント数: 種類を問わず、最低 1,000 件のイベント。

  • 推奨イベントタイプ: Watch および Click イベント。

最も人気

最も多くのユーザーが視聴した動画のレコメンデーションが表示されます。

  • レシピ ARN arn:aws:personalize:::recipe/aws-vod-most-popular

  • GetRecommendations の要件:

    userId: 必須

    itemId: 使用されない

  • トレーニング時に使用したデータセット: アイテムインタラクションデータセットのみ (必須)

  • 必須イベントタイプ: 最低 1,000 Watch 件のイベント。

現在トレンドになっている動画のレコメンデーションを取得します。トレンド動画とは、ユーザーの間で急速に人気が高まっているアイテムです。Amazon Personalize は 2 時間ごとにインタラクションデータを自動的に評価し、トレンドアイテムを特定します。

  • レシピ ARN arn:aws:personalize:::recipe/aws-vod-trending-now

  • GetRecommendations API の要件:

    userId: ユーザーが操作したアイテム CurrentUser でフィルタリングする場合にのみ必要

    itemId: 使用されない

  • トレーニング時に使用したデータセット: アイテムインタラクションデータセットのみ (必須)

  • 必要なイベント数: 種類を問わず、最低 1000 件のイベント。

上位のおすすめ

指定したユーザー向けにパーソナライズされたコンテンツのレコメンデーションを取得します。このユースケースでは、Amazon Personalize は、指定した userId と Watch イベントに基づいて、ユーザーが視聴した動画を自動的にフィルタリングします。独自のフィルターを適用すると、そのユーザーが視聴した動画がフィルターで除外された後に、そのフィルターが適用されます。

フィルタリングの際に、Amazon Personalize はイベントタイプごとにユーザー 1 人あたり最大 100 件のアイテムインタラクションを考慮します。これはすべての自動フィルターまたはカスタムフィルターに適用されます。この制限の引き上げをリクエストするには、Service Quotas コンソールを使用します。詳細については、Service Quotas ユーザーガイドの「クォータ引き上げのリクエスト」を参照してください。

アイテムを推奨する場合、このユースケースでは real-time-personalization探索 を使用します。また、自動更新機能を使って新しい商品をレコメンデーションの対象として検討します。

  • レシピ ARN arn:aws:personalize:::recipe/aws-vod-top-picks

  • GetRecommendations の要件:

    userId: 必須

    itemId: 使用されない

  • トレーニング時に使用したデータセット:

    • インタラクション (必須)

    • アイテム (オプション)

    • ユーザー (オプション)

  • 必要なイベント数:最低 1,000 件のイベント。

  • 推奨イベントタイプ: Click および Watch イベント。

  • 探索構成パラメーター: レコメンダーを作成する際に、以下を使用して探索を設定できます。

    • 関連性の低いアイテムの探索に重点を置く (探索の重み) — 探索する範囲を設定します。0~1 の小数値を指定します。デフォルトは 0.3 です。値が 1 に近くなるほど、探索が多くなります。探索が増えると、レコメンデーションにはより多くのアイテムが含まれますが、アイテムインタラクションデータや以前の行動に基づく関連性が少なくなります。ゼロでは、探索は行われず、レコメンデーションは現在のデータに基づきます (関連性)。

    • 探索アイテムが存在するようになってからの期間のカットオフ - アイテムインタラクションデータセット内のすべてのアイテムについて、最新のインタラクションからの日数で、アイテムが存在するようになってからの最長期間を指定します。これにより、アイテムの経過時間に基づいてアイテム探索の範囲が定義されます。Amazon Personalize は作成タイムスタンプを基に、あるいは作成タイムスタンプデータがない場合はアイテムインタラクションデータを基に、アイテムが存在するようになってからの期間を決定します。Amazon Personalize がアイテムが存在するようになってからの期間を決定する方法の詳細については、「作成のタイムスタンプデータ」を参照してください。

      Amazon Personalize が探索中に考慮するアイテムの数を増やすには、より大きな値を入力します。デフォルトは 30 日 で、最短は 1 日 です。レコメンデーションには、指定したアイテムの期間制限より古いアイテムが含まれる場合があります。これは、これらのアイテムがユーザーの興味に関連しており、それらを特定するために探索が必要ではなかったことによります。