Amazon Personalize
개발자 안내서

미리 정의된 레시피 사용

Amazon Personalize는 일반적인 사용 사례를 기반으로 교육 모델을 위한 사전 정의된 레시피를 제공합니다. 레시피는 사용자가 설정 또는 하이퍼파라미터와 함께 사용하는 기계 학습 알고리즘이나 알고리즘 변종으로, Amazon Personalize 모델을 교육하기 위한 데이터 세트 그룹입니다. 레시피를 사용하면 사전의 기계 학습 경험 없이도 맞춤화 시스템을 만들 수 있습니다.

미리 정의된 레시피는 교육 중 다음을 사용합니다.

  • 미리 정의된 데이터 속성

  • 미리 정의된 기능 변환

  • 미리 정의된 알고리즘

  • 알고리즘에 대한 초기 파라미터 설정

모델을 최적화하기 위해 솔루션 생성 시 이러한 파라미터 중 상당수를 재정의할 수 있습니다. 자세한 내용은 하이퍼파라미터 및 HPO 단원을 참조하십시오.

Amazon Personalize에서는 입력 데이터 분석에 따라 가장 적합한 계층적 순환 신경망(HRNN) 레시피를 자동으로 선택할 수 있습니다. 이 옵션은 AutoML이라고 합니다. AutoML을 수행하려면 CreateSolution API를 호출할 때 performAutoML 파라미터를 true로 설정합니다. 달성하고 싶은 목표와 레시피에 대해 얼마나 잘 알고 있는지에 따라 특정 레시피를 선택할 수도 있습니다. 각 레시피는 특정 사용 사례마다 설계됩니다. 솔루션을 만들 때 요구 사항에 제일 잘 맞는 레시피를 선택하십시오.

사용 가능한 레시피 목록을 보려면

  • Amazon Personalize 콘솔에서 데이터 세트 그룹을 선택합니다. 탐색 창에서 Solutions and recipes(솔루션 및 레시피)를 선택하고, Recipes(레시피) 탭을 선택합니다.

  • Python용 AWS SDK(Boto3)을 사용하여 ListRecipes API를 호출합니다.

  • AWS CLI에서 다음 명령을 사용합니다.

    aws personalize list-recipes

Python용 SDK(Boto3)을 사용하는 레시피에 대한 정보를 가져오려면 DescribeRecipe API를 호출합니다. AWS CLI를 사용하는 레시피에 대한 정보를 가져오려면 다음 명령을 사용합니다.

aws personalize describe-recipe --recipe-arn recipe_arn

Amazon Personalize는 3가지 유형의 레시피를 제공합니다. 작동 차이 외에도, 다음 표에서처럼 각 유형마다 권장 요구 사항이 서로 다릅니다.

레시피 유형 API 요구 사항
USER_PERSONALIZATION GetRecommendations

userId: 필수

itemId: 선택

inputList: 해당 사항 없음

PERSONALIZED_RANKING GetPersonalizedRanking

userId: 필수

itemId: 해당 사항 없음

inputList: itemId 목록

RELATED_ITEMS GetRecommendations

userId: 사용되지 않음

itemId: 필수

inputList: 해당 사항 없음

미리 정의된 레시피

Amazon Personalize에서는 사전 정의된 레시피를 제공합니다. 이 목록은 레시피 유형별로 보여줍니다.

USER_PERSONALIZATION 레시피

USER_PERSONALIZATION 레시피는 사용자와 상호 작용할 항목을 예측합니다.

HRNN^

HRNN은 지정된 기간 동안 사용자-항목 상호 작용을 모델링할 수 있는 계층적인 반복적 신경망입니다. 시간이 지남에 따라 사용자 동작이 변화할 때 HRNN 레시피를 사용하십시오. 이 레시피는 진화하는 의도 문제에서 참조됩니다.

HRNN는 모델을 교육하기 위해 데이터 세트 그룹에 있는 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다.

HRNN-Metadata^*

HRNN-Metadata는 상호 작용, 사용자, 항목 데이터 세트에 있는 메타데이터에서 파생된 추가 기능이 있는 HRNN 레시피입니다. 예를 들면 평점, 영화 장르 또는 개봉 년도가 여기에 해당합니다. 교육 데이터는 하나 이상의 데이터 세트에 있는 메타데이터를 포함해야 합니다. HRNN-Metadata는 고품질 메타데이터를 사용할 수 있을 때 비 메타데이터 모델보다 성능이 더 좋습니다. 이 레시피 교육에는 시간이 더 걸릴 수 있습니다.

HRNN-Metadata는 모델을 교육하기 위해 데이터 세트 그룹에 있는 사용자, 항목 및 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다.

HRNN-Coldstart^*

HRNN-Coldstart는 HRN-Metadata 레시피와 유사하지만, 새로운 항목에 대한 맞춤화된 탐색도 포함되어 있습니다. 카탈로그에 새 항목을 추가하고, 권장 사항에 항목을 즉시 표시하려는 경우에 HRNN-Coldstart 레시피를 사용하십시오.

HRNN-Coldstart는 모델을 교육하기 위해 데이터 세트 그룹에 있는 사용자, 항목 및 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다. 교육 데이터를 제공하는 데이터 세트 그룹은 항목 데이터 세트를 포함해야 합니다.

Popularity-Count

Popularity-Count 레시피는 상호 작용 데이터 세트에서 해당 항목에 대한 이벤트 수를 기반으로 항목의 인기도를 계산합니다. 다른 USER-PERSONALIZATION 레시피와 결과를 비교할 기준을 마련하려면 Popularity-Count 레시피를 사용하십시오.

Popularity-Count 레시피는 모델을 교육하기 위해 데이터 세트 그룹에 있는 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다.

PERSONALIZED_RANKING 레시피

Personalized-Ranking 레시피는 결과를 맞춤화합니다.

맞춤화된 순위

Personalized-Ranking 레시피는 계층적 순환 신경망(HRNN) 레시피로 결과를 필터링하고 순위를 다시 매길 수 있습니다. Personalized-Ranking은 최고의 권장 사항 목록을 제공합니다. 검색 결과 또는 선별된 목록의 맞춤화된 순위 재결정과 같이 사용자의 결과를 맞춤화할 때 이 Personalized-Ranking 레시피를 사용하십시오.

Personalized-Ranking 레시피는 모델을 교육하기 위해 데이터 세트 그룹에 있는 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다.

RELATED_ITEMS 레시피

RELATED_ITEMS 레시피는 주어진 항목과 유사한 항목을 반환합니다.

SIMS

항목 간 유사성(Item-to-item Similarities, SIMS) 레시피는 사용자-항목 상호 작용 데이터 세트의 사용자 기록에 있는 해당 항목의 동시 발생에 근거하여 주어진 항목과 유사한 항목들을 생성합니다. 항목에 대한 사용자 동작 데이터가 충분히 제공되지 않거나, 지정된 항목 ID를 찾을 수 없는 경우, 레시피는 인기 항목을 권장 사항으로 반환합니다. 세부 정보 페이지에서 사용하거나 항목 검색 가능성을 개선하려면 SIMS 레시피를 사용하십시오. SIMS 레시피를 사용한 교육은 다른 레시피를 사용할 때보다 더 빠릅니다.

SIMS 레시피는 모델을 교육하기 위해 데이터 세트 그룹에 있는 상호 작용 데이터 세트를 사용합니다. 데이터 세트 그룹은 관련된 데이터 세트 집합으로 사용자, 항목 및 상호 작용 데이터 세트를 포함할 수 있습니다.

^ Amazon Personalize에서 AutoML 수행 시 이러한 레시피를 고려합니다.

* 메타데이터 모델: 이러한 레시피는 사용자 상호 작용 데이터 및 메타데이터 모두에 대해 훈련시킵니다. 자세한 내용은 데이터 세트 및 스키마 단원을 참조하십시오.

이 페이지에서: