Similar-Items レシピ - 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。

Similar-Items レシピ

注記

RELATED_ITEMS レシピはすべてインタラクションデータを使用します。商品のメタデータも持っていて、Amazon Personalize にそのメタデータを使用して類似商品を検索させたい場合は、「類似商品」を選択してください。または、SIMS の recipeモデルにさらに多くのハイパーパラメータを設定したい場合は、を選択してください。

Similar-Items (aws-similar-items) レシピは、指定したアイテムと類似するアイテムに関するレコメンデーションを生成します。Similar-Itemsを使用すると、顧客が以前の行動や商品メタデータに基づいてカタログ内の新しい商品を見つけやすくなります。類似のアイテムを推奨することで、アプリケーションのユーザーエンゲージメント、クリックスルー率、コンバージョン率を高めることができます。

Similar-Itemsは、インタラクションデータと提供されたアイテムメタデータに基づいて類似度を計算します。インタラクションデータセットのユーザー履歴にアイテムが共存していることと、アイテムメタデータの類似性が考慮されます。たとえば、類似商品の場合、Amazon Personalizeは、購入者がよく購入する商品を同じようなスタイルで一緒に購入したり(カテゴリ別メタデータ)、さまざまなユーザーが同じような説明で視聴した映画を推奨したりできます()。非構造化テキストメタデータ

Similar-Items を使用して、GetRecommendations 操作 (または Amazon Personalize コンソール) でアイテム ID を指定すると、Amazon Personalize は類似アイテムのリストを返します。または、バッチワークフローを使用して、在庫内のすべてのアイテムについて類似アイテムを取得できます (「バッチレコメンデーションとユーザーセグメント (カスタムリソース)」を参照)。類似の商品が届いたら、リクエストで指定した商品の属性に基づいて商品を絞り込むことができます。これを行うには、を追加しますCurrentItemattributeフィルターのエレメント 例については、item data filter examplesを参照してください。

Similar-Itemsを使用するには、履歴とイベントのインタラクションを合わせて、1000件以上のユニークなインタラクションを含むインタラクションデータセットを作成する必要があります。より正確な予測を行うには、アイテムデータセットも作成して、カタログ内のアイテムに関するメタデータをインポートすることをお勧めします。Similar-Items は、レコメンデーションの生成時にユーザーデータセット内のデータを使用しません。それでも、ユーザーデータセットのデータに基づいてレコメンデーションをフィルタリングできます。詳細については、「レコメンデーションとユーザーセグメントのフィルタリング」を参照してください。

コールドアイテム (インタラクションが 5 個未満のアイテム) に類似したアイテムについてのレコメンデーションを取得できます。Amazon Personalize がレコメンデーションリクエストまたはバッチ入力ファイルで指定したアイテム ID を見つけられない場合、レシピは人気のあるアイテムをレコメンデーションとして返します。

ソリューションバージョンを作成したら、必ずソリューションバージョンとデータを最新の状態に保ってください。Similar-Itemsでは、カタログへの更新を反映し、ユーザーの最新の行動に合わせてモデルを更新するには、新しいソリューションバージョンを手動で作成(モデルを再トレーニング)する必要があります。次に、ソリューションバージョンを使用するすべてのキャンペーンを更新する必要があります。詳細については、「レコメンデーションの関連性の維持」を参照してください。

プロパティおよびハイパーパラメータ

Similar-Items レシピには、次のプロパティがあります。

  • 名前 - aws-similar-items

  • レシピ Amazon リソースネーム (ARN)arn:aws:personalize:::recipe/aws-similar-items

  • アルゴリズム ARNarn:aws:personalize:::algorithm/aws-similar-items

詳細については、「レシピの説明を表示します。」を参照してください。

以下の表では、Similar-Items レシピのハイパーパラメータを示しています。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。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]

  • 値のタイプ: 整数、連続 (浮動小数点)、カテゴリ別 (ブール値、リスト、文字列)

  • HPO 調整可能: パラメータが HPO に参加できますか?

名前 説明
アルゴリズムのハイパーパラメータ
popularity_discount_factor

人気度がレコメンデーションにどのように影響するかを設定してください。人気の高いアイテムを含めるには、ゼロに近い値を指定します。人気度が低くなるように、1 に近い値を指定してください。

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

item_id_hidden_dim

インタラクションデータに基づいてアイテム ID の埋め込みをモデル化するために Amazon Personalize が使用する隠れた変数の数。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。item_id_hidden_dim を使用するには、HPO を使用し、最小範囲と最大範囲の値を指定する必要があります。Amazon Personalize は、HPO を使用して、指定した範囲内で最適な値を見つけます。Interactions データセットが大きい場合は、指定する最大値を大きくします。最大値を大きくすると、処理に時間がかかります。

HPO を使用するには、CreateSolution 操作を呼び出すときにに performHPO および true を設定します。

デフォルト値: 100

範囲: [30, 200]

値の型: 整数

HPO 調整可能: はい

item_metadata_hidden_dim

Amazon Personalize がアイテムメタデータをモデル化するために使用する隠れた変数の数。item_metadata_hidden_dim を使用するには、HPO を使用し、最小範囲と最大範囲の値を指定する必要があります。Amazon Personalize は、HPO を使用して、指定した範囲内で最適な値を見つけます。Interactions データセットが大きい場合は、指定する最大値を大きくします。最大値を大きくすると、処理に時間がかかります。

HPO を使用するには、CreateSolution 操作を呼び出すときにに performHPO および true を設定します。

デフォルト値: 100

範囲: [30, 200]

値の型: 整数

HPO 調整可能: はい