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。
HRNN レシピ (レガシー)
レガシー HRNN レシピの上に aws-user-user-personalizaton (ユーザーパーソナライゼーション) レシピを使用することをお勧めします。ユーザーパーソナライゼーションは、HRNN レシピが提供する機能を改善し、統合します。詳細については、「ユーザーパーソナライズのレシピ」を参照してください。
Amazon Personalize 階層的再帰型ニューラルネットワーク (HRNN) レシピでは、セッション中にレコメンデーションを提供するために、ユーザーの行動の変化をモデル化します。セッションとは、たとえば、必要を満たすために特定のアイテムを見つけることを目的とする、特定の期間内の一連のユーザーインタラクションです。ユーザーの最近のインタラクションの重み付けを高くすることで、セッション中により関連性の高いレコメンデーションを提供できます。
HRNN は、時間の経過とともに変化する可能性がある、ユーザーのインテントや関心に対応します。また、順序付けられたユーザー履歴を取得し、自動的に重み付けして推論を改善します。HRNN は、ゲート機構を使用して減損の重みをアイテムとタイムスタンプの学習可能な関数としてモデル化します。
Amazon Personalize では、データセットから各ユーザーの機能を派生させます。リアルタイムのデータ統合を完了している場合、これらの特徴はユーザーアクティビティに応じてリアルタイムで更新されます。レコメンデーションを取得するには、USER_ID
のみを指定します 。も指定した場合ITEM_ID
では、Amazon Personalize では無視されます。
HRNN レシピには以下のプロパティがあります。
-
名前 –
aws-hrnn
-
レシピ Amazon リソースネーム (ARN)–
arn:aws:personalize:::recipe/aws-hrnn
-
アルゴリズム ARN–
arn:aws:personalize:::algorithm/aws-hrnn
-
機能変換 ARN–
arn:aws:personalize:::feature-transformation/JSON-percentile-filtering
-
レシピタイプ–
USER_PERSONALIZATION
以下の表では、HRNN レシピのハイパーパラメータについて説明します。ハイパーパラメータは、モデルパフォーマンスを向上させるために調整できるアルゴリズムパラメータです。アルゴリズムのハイパーパラメータは、モデルの実行方法を制御します。特徴化のハイパーパラメータは、トレーニングで使用するデータのフィルタリング方法を制御します。ハイパーパラメータに最適な値を選択するプロセスは、ハイパーパラメータの最適化 (HPO) と呼ばれます。詳細については、「ハイパーパラメータおよび HPO」を参照してください。
このテーブルには、各ハイパーパラメータに関する以下の情報も含まれています。
-
範囲: [下限、上限]
-
値の型: 整数、連続 (浮動小数点)、カテゴリ別 (ブール値、リスト、文字列)
-
調整可能な HPO: パラメータが HPO に参加できますか?
[Name] (名前) | 説明 |
---|---|
アルゴリズムのハイパーパラメータ | |
hidden_dimension |
モデルで使用される非表示変数の数。非表示の変数は、ユーザーの購入履歴と商品統計を再作成して、ランキングスコアを生成します。インタラクションデータセットにより複雑なパターンが含まれている場合は、より多くの非表示ディメンションを指定します。使用する非表示のディメンションが多くなると、データセットが大きくなり、処理時間が長くなります。最適な値を決定するには、HPO を使用します。HPO を使用するには、CreateSolution オペレーション CreateSolutionVersion とオペレーションを呼び出すときに デフォルト値: 43 範囲: [32、256] 値の型: 整数 HPO 調整可能: はい |
bptt |
通し時間のバックプロパゲーションの手法を使用するかどうかを決定します。通し時間のバックプロパゲーションは、再帰的なニューラルネットワークベースのアルゴリズムの重みを更新する手法です。遅延報酬を早期イベントに接続するには、長期クレジットに デフォルト値: 32 範囲: [2、32] 値の型: 整数 HPO 調整可能: はい |
recency_mask |
モデルがインタラクションデータセットの最新の人気傾向を考慮する必要があるかどうかを決定します。最新の人気トレンドには、インタラクションイベントの基盤となるパターンの突然の変化が含まれる可能性があります。最近のイベントにより多くの重みを置くモデルをトレーニングするには、 デフォルト値: 範囲: 値の型: [Boolean] (ブール値) HPO 調整可能: はい |
特徴化のハイパーパラメータ | |
min_user_history_length_percentile |
モデルのトレーニングに含めるユーザー履歴の長さの最小パーセンタイル。履歴の長さ は、ユーザーに関するデータの合計量です。履歴の長さが短いある割合のユーザーを除外するには、 たとえば、 デフォルト値: 0.0 範囲: [0.0, 1.0] 値の型: 浮動小数点 HPO 調整可能: いいえ |
max_user_history_length_percentile |
モデルのトレーニングに含めるユーザー履歴の長さの最大パーセンタイル。履歴の長さ は、ユーザーに関するデータの合計量です。 たとえば、 デフォルト値: 0.99 範囲: [0.0, 1.0] 値の型: 浮動小数点 HPO 調整可能: いいえ |