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。
レコメンダーの作成
ドメインデータセットグループを作成したら、ドメインのユースケースのレコメンデーションを作成できます。レコメンダーは、レコメンデーションを生成するドメインデータセットグループリソースです。アプリケーションのレコメンダーを使用して、GetRecommendations 操作でリアルタイムのレコメンデーションを取得します。
レコメンダーを作成する場合、ユースケースを指定します。そして、Amazon Personalize は、ユースケースに最適な設定でレコメンダーをサポートするモデルをトレーニングします。各ユースケースには、レコメンデーションを取得するための異なる API 要件があります。ドメイン別のレコメンダーのユースケースのリストについては、「ユースケースの選択」を参照してください。リージョンごとに最大 15 のレコメンダーを作成できます。
Amazon Personalize は 7 日ごとにレコメンダーをサポートするモデルを自動的に再トレーニングします。これは、データセット内のデータ全体に基づいてまったく新しいモデルを作成する完全な再トレーニングです。[上位のおすすめ] と [おすすめ商品] のユースケースでは、Amazon Personalize は、既存のモデルを 2 時間ごとに更新し、探索を伴うレコメンデーションに新しいアイテムを含めます。
レコメンダーを作成すると、レコメンデーションのアイテムメタデータを有効にできます。詳細については、「レコメンデーションのメタデータを有効にする」を参照してください。
Amazon Personalize コンソール、 AWS Command Line Interface (AWS CLI)、または AWS SDKsを使用してレコメンダーを作成できます。
レコメンダーのステータス
レコメンダーは、次に示す状態のいずれかになります。
-
CREATE PENDING > CREATE IN_PROGRESS > ACTIVE -または- CREATE FAILED
-
DELETE PENDING > DELETE IN_PROGRESS
レコメンダーのステータスを取得するには、Amazon Personalize コンソールの [レコメンダー] ページに移動するか、DescribeRecommender 操作を使用します。
トピック
1 秒あたりの最小レコメンデーションリクエスト数と自動スケーリング
重要
minRecommendationRequestsPerSecond
を高く設定すると請求額が増加します。最初は minRecommendationRequestsPerSecond
に 1 を使用することをお勧めします (デフォルト)。Amazon CloudWatch メトリクスを使用して使用状況を追跡し、minRecommendationRequestsPerSecond
必要に応じて を増やします。
レコメンダーを作成する際、レコメンダーの 1 秒あたりの最小レコメンデーションリクエスト数を設定できます。1 秒あたりの最小レコメンデーションリクエスト数 (minRecommendationRequestsPerSecond
) は、Amazon Personalize によってプロビジョニングされるベースラインレコメンデーションリクエストスループットを指定します。デフォルトは minRecommendationRequestsPerSecond です1
。レコメンデーションリクエストは 1 回の GetRecommendations
操作です。リクエストスループットは 1 秒あたりのリクエスト数で測定されます。Amazon Personalize は 1 秒あたりのリクエスト数を使用して、1 時間あたりのリクエスト数とレコメンダーの使用量を算出します。
1 秒あたりのリクエスト数が minRecommendationRequestsPerSecond
を超えて増加した場合、Amazon Personalize はプロビジョンド容量を自動的にスケールアップまたはスケールダウンしますが、minRecommendationRequestsPerSecond
を下回ることはありません。容量が引き上げられている間に短時間の遅延が生じます。これにより、リクエストの損失が生じる可能性があります。
請求書は、1 時間あたりの最小リクエスト数 ( に基づく minRecommendationRequestsPerSecond) または実際のリクエスト数のいずれか大きい方です。実際に使用されるリクエストのスループットは、5 分間のウィンドウ内の平均リクエスト数/秒として計算されます。デフォルトの から開始しminRecommendationRequestsPerSecond
、Amazon CloudWatch メトリクスを使用して使用状況を追跡し、minRecommendationRequestsPerSecond
必要に応じて を増やすことをお勧めします。
レコメンデーションのメタデータを有効にする
重要
レコメンデーションのメタデータを有効にすると、追加コストが発生します。詳細については、「Amazon Personalize の料金
レコメンダーを作成すると、アイテムデータセットのアイテムメタデータをレコメンデーション結果に含めるオプションを有効にできます。有効にすると、レコメンデーションのリクエストでアイテムデータセットの列を指定できます。Amazon Personalize は、レコメンデーションレスポンス内の各アイテムについてこのデータを返します。
メタデータを使用して、映画のジャンルをカルーセルに追加するなど、ユーザーインターフェイスのレコメンデーションを充実させることができます。あるいは、レコメンデーションの質を視覚的に評価するのにも使えます。アプリで生成 AI を使用している場合は、メタデータを AI プロンプトに組み込んで、より関連性の高いコンテンツを生成できます。Amazon Personalize の生成 AI の使用に関する詳細については、「Amazon Personalize と生成 AI」を参照してください。
-
Amazon Personalize コンソールでメタデータを有効にするには、レコメンダーを作成するときに、[詳細設定] の [レコメンデーション結果にあるアイテムのメタデータを返す] を選択します。詳細については、「レコメンダーの作成 (コンソール)」を参照してください。
-
AWS SDKs または でメタデータを有効にするには AWS CLI、 CreateRecommender API オペレーション および を
recommenderConfig
enableMetadataWithRecommendations
に設定しますtrue
。詳細については、レコメンダーの作成 (AWS CLI)またはレコメンダーの作成 (AWS SDKs)を参照してください。
レコメンデーションにメタデータを追加するには、メタデータの列を含むアイテムデータセットが必要です。トレーニングではメタデータを使用する必要はありません。データセットの作成については、「データセットとスキーマの作成」を参照してください。データの管理と更新については、「データセット内のトレーニングデータの管理」を参照してください。
トレーニング時に使用する列の設定
レコメンダーを作成するときに、レコメンダーをサポートするモデルをトレーニングするときに Amazon Personalize が考慮する列を変更できます。
これにより、トレーニングデータのさまざまな組み合わせを試してみることができます。または、意味のあるデータがない列を除外することもできます。例えば、レコメンデーションをフィルタリングするためだけに使用したい列があるとします。この列をトレーニングから除外すると、Amazon Personalize はフィルタリング時にのみこの列を考慮します。
EVENT_TYPE 列を除外することはできません。デフォルトでは、Amazon Personalize はトレーニング時に使用できるすべての列を使用します。次のデータは、常にトレーニングから除外されます。
-
ブールデータ型の列
-
カテゴリ別またはテキスト別ではないカスタム文字列フィールド
トレーニングにインプレッションデータを含めることはできませんが、ユースケースやレシピでそのデータが使用されている場合、Amazon Personalize はインプレッションデータを使用してレコメンデーションを取得するときに探索をガイドします。
-
Amazon Personalize コンソールでトレーニングするときに使用する列を設定するには、レコメンダーを作成するときに、詳細設定ページで使用する列を選択します。詳細については、「レコメンダーの作成 (コンソール)」を参照してください。
-
AWS SDKs または でトレーニングするときに使用する列を設定するには AWS CLI、 CreateRecommender API オペレーションを使用し、 の で
excludedDatasetColumns
recommenderConfig
を指定しますtrainingDataConfig
。コードサンプルについては、「トレーニング時に使用する列の設定 (AWS CLI)」または「トレーニング時に使用する列の設定 (AWS SDKs」を参照してください。