Personalized-Ranking-v2 레시피

Personalized-Ranking-v2개의 레시피는 항목의 개인화된 순위를 생성합니다. 개인별 순위는 특정 사용자에 대한 관련성에 따라 다시 순위를 매기는 권장 항목의 목록입니다. 이 방법은 검색 결과, 프로모션 또는 선별된 목록과 같은 주문 항목이 많이 있고 각 사용자에게 개인 맞춤형 순위 재조정을 제공하려는 경우에 유용합니다.

Personalized-Ranking-v2는 항목 상호 작용 및 항목 데이터 세트에서 최대 5백만 개의 항목을 훈련할 수 있습니다. 또한 보다 지연 시간이 짧아 더 정확한 순위를 생성합니다개인 맞춤형-순위.

Personalized-Ranking-v2를 사용하면 GetPersonalizedRanking API 작업에서 순위를 매길 항목을 지정합니다. 상호작용 데이터 없이 항목을 지정하면 Personalize는 응답에 추천 점수 없이 이러한 항목을 반환합니다 GetPersonalizedRanking API.

이 레시피는 트랜스포머 기반 아키텍처를 사용하여 컨텍스트를 학습하고 데이터의 관계 및 패턴을 추적하는 모델을 학습합니다. 변환기는 입력 시퀀스를 출력 시퀀스로 변환하거나 변경하는 신경망 아키텍처의 한 유형입니다. Personalize의 경우 입력 시퀀스는 데이터에서 사용자의 항목 상호 작용 기록입니다. 출력 시퀀스는 개인화된 권장 사항입니다. 트랜스포머에 대한 자세한 내용은 AWS Cloud Computing Concepts Hub의 인공 지능에서 트랜스포머란 무엇입니까?를 참조하세요.

Personalized-Ranking-v2는 다른 레시피와 다른 요금 모델을 사용합니다. 요금에 대한 자세한 내용은 Personalize 요금 섹션을 참조하세요.

레시피 기능

Personalized-Ranking-v2는 항목의 순위를 매길 때 다음과 같은 Amazon Personalize 레시피 기능을 사용합니다.

• 실시간 개인화 - 실시간 개인화를 통해 Amazon Personalize는 사용자의 변화하는 관심에 따라 항목 권장 사항을 업데이트하고 조정합니다. 자세한 내용은 실시간 개인 맞춤 단원을 참조하십시오.

• 권장 사항이 포함된 메타데이터 - Personalized-Ranking-v2개의 레시피를 사용하면 메타데이터 열이 하나 이상인 항목 데이터 세트가 있는 경우 캠페인은 권장 결과가 포함된 항목 메타데이터를 자동으로 포함할 수 있습니다. 캠페인에 대한 메타데이터를 수동으로 활성화하지 않았습니다. 메타데이터를 통해 사용자 인터페이스에서 추천을 강화할 수 있습니다(예: 캐러셀에 영화 장르 추가). 자세한 내용은 권장 사항의 항목 메타데이터 단원을 참조하십시오.

필수 및 선택형 데이터 세트

Personalized-Ranking-v2를 사용하려면 항목 상호 작용 데이터 세트를 생성하고 최소 1,000개의 항목 상호 작용을 가져와야 합니다. Personalize는 주로 항목 상호 작용 데이터를 기반으로 순위를 생성합니다. 자세한 내용은 항목 상호 작용 데이터 단원을 참조하십시오. Personalized-Ranking-v2는 항목 상호 작용 및 항목 데이터 세트에서 최대 5백만 개의 항목을 훈련할 수 있습니다.

Personalized-Ranking-v2를 사용하면 Personalize는 다음을 포함하는 항목 상호 작용 데이터를 사용할 수 있습니다.

• 이벤트 유형 및 이벤트 값 데이터 - Personalize는 클릭 또는 감시 이벤트 유형과 같은 이벤트 유형 데이터를 사용하여 동작의 패턴을 통해 사용자 의도와 관심을 식별합니다. 또한 이벤트 유형 및 이벤트 값 데이터를 사용하여 훈련 전에 레코드를 필터링할 수 있습니다. 자세한 내용은 이벤트 유형 및 이벤트 값 데이터 단원을 참조하십시오.

  참고

  Personalized-Ranking-v2를 사용하면 훈련 비용은 이벤트 유형 또는 값으로 필터링하기 전에 상호 작용 데이터를 기반으로 합니다. 요금에 대한 자세한 내용은 Personalize 요금 섹션을 참조하세요.

• 컨텍스트 메타데이터 - 컨텍스트 메타데이터는 이벤트 발생 시 위치 또는 디바이스 유형과 같이 사용자 환경에서 수집하는 상호 작용 데이터입니다. 자세한 내용은 컨텍스트 메타데이터 단원을 참조하십시오.

다음 데이터 세트는 선택 사항이며 권장 사항을 개선할 수 있습니다.

• 사용자 데이터 세트 - Personalize는 사용자 데이터 세트의 데이터를 사용하여 사용자와 사용자의 관심사를 더 잘 이해할 수 있습니다. 사용자 데이터 세트의 데이터를 사용하여 권장 사항을 필터링할 수도 있습니다. 가져올 수 있는 사용자 데이터에 대한 자세한 내용은 사용자 메타데이터 섹션을 참조하세요.

• 항목 데이터 세트 - Personalize는 항목 데이터 세트의 데이터를 사용하여 동작의 연결 및 패턴을 식별할 수 있습니다. 이를 통해 Amazon Personalize는 사용자와 관심사를 이해할 수 있습니다. 항목 데이터 세트의 데이터를 사용하여 권장 사항을 필터링할 수도 있습니다. 가져올 수 있는 항목 데이터에 대한 자세한 내용은 항목 메타데이터 섹션을 참조하세요.

속성 및 하이퍼파라미터

Personalized-Ranking-v2 레시피의 속성은 다음과 같습니다.

• 명칭 – aws-personalized-ranking-v2

• 레시피 Amazon 리소스 이름(ARN) - arn:aws:personalize:::recipe/aws-personalized-ranking-v2

• 알고리즘 ARN - arn:aws:personalize:::algorithm/aws-personalized-ranking-v2

자세한 내용은 레시피 선택 단원을 참조하십시오.

다음 표에서는 Personalized-Ranking-v2개의 레시피에 대한 하이퍼파라미터를 설명합니다. 하이퍼파라미터는 모델 성능을 향상시키기 위해 조정할 수 있는 알고리즘 파라미터입니다. 알고리즘 하이퍼파라미터는 모델이 성능을 내는 방식을 제어합니다. 하이퍼파라미터에 가장 적합한 값을 선택하는 프로세스를 하이퍼파라미터 최적화()라고 합니다HPO. Personalized-Ranking-v2를 사용하면 자동 훈련을 켜면 Personalize가 HPO 90일마다 자동으로 수행됩니다. 자동 훈련이 없으면 아무것도 HPO 발생하지 않습니다.

표에는 각 하이퍼파라미터에 대한 다음 정보가 표시됩니다.

• 범위: [하한, 상한]

• 값 형식: 정수, 연속(부동 소수점), 범주(부울, 목록, 문자열)

명칭	설명
알고리즘 하이퍼파라미터
apply_recency_bias	모델이 항목 상호 작용 데이터 세트의 최신 항목 상호 작용 데이터에 더 많은 가중치를 부여해야 하는지 여부를 결정합니다. 가장 최근의 상호 작용 데이터에는 상호 작용 이벤트의 기본 패턴의 갑작스러운 변경이 포함될 수 있습니다. 최신 이벤트에 더 많은 가중치를 부여하는 모델을 학습시키려면 apply_recency_bias를 true로 설정합니다. 지난 모든 상호작용에 동일한 가중치를 부여하는 모델을 학습시키려면 apply_recency_bias를 false로 설정합니다. 기본 값: true 범위: true또는 false 값 형식: 부울 HPO 조정 가능: 아니요