Obter recomendações em lote

Com os recursos personalizados, você pode obter recomendações de itens com um fluxo em lote assíncrono. Por exemplo, você pode receber recomendações de produtos para todos os usuários em uma lista de e-mails ou item-to-itemsemelhanças em um inventário.

Para obter recomendações de itens em lote, é possível usar um trabalho de inferência em lote. Um trabalho de inferência em lote é uma ferramenta que importa seus dados de entrada em lote de um bucket do Amazon S3, usa a versão da solução personalizada para gerar recomendações de itens e exporta as recomendações de itens para um bucket do Amazon S3. Dependendo da fórmula, seus dados de entrada são uma lista de usuários ou itens, cada uma com uma coleção de itens.

Se a solução usar a fórmula Similar-Items e houver um conjunto de dados de itens com dados de texto e dados de títulos de itens, será possível gerar recomendações em lote com temas para cada grupo de itens. Para ter mais informações, consulte Recomendações em lote com temas do Content Generator.

Ao gerar recomendações em lote, o Amazon Personalize considera todos os dados em massa presentes no momento da criação da última versão da solução. Esses dados podem ser importados com um modo de importação COMPLETO ou INCREMENTAL. Para que registros em massa mais recentes influenciem as recomendações em lote, você deve criar uma nova versão da solução e, em seguida, o trabalho de inferência em lote.

O Amazon Personalize usa dados de importações individuais ao gerar recomendações em lote da seguinte forma:

• Novas interações com itens e usuários existentes: se você usa uma receita USER_PERSONALIZATION ou PERSONALIZED_RANKING, o Amazon Personalize considera novos dados de interações com itens e usuários existentes em cerca de 15 minutos a partir da importação dos dados. Para garantir que os eventos sejam considerados, recomendamos que você espere no mínimo 15 minutos após a importação antes de iniciar um trabalho de inferência em lote. Para todas as outras fórmulas, você deve criar uma nova versão da solução para eventos transmitidos a fim de influenciar as recomendações em lote.

• Novos usuários: para usuários sem dados de interações, as recomendações são inicialmente apenas para itens populares. Se você usa uma receita USER_PERSONALIZATION ou PERSONALIZED_RANKING e registra eventos para o usuário, suas recomendações podem se tornar mais relevantes em cerca de 15 minutos após a importação, sem necessidade de treinamento adicional. Para garantir que os eventos sejam considerados, recomendamos que você espere no mínimo 15 minutos após a importação antes de iniciar um trabalho de inferência em lote. Para todas as outras fórmulas, você deve criar uma nova versão da solução para eventos transmitidos a fim de influenciar as recomendações em lote para usuários sem dados de interações.

• Novos itens: com o User-Personalization-v2 e o User-Personalization, quando você cria um trabalho de inferência em lote e especifica a versão mais recente da solução totalmente treinada para sua solução, o Amazon Personalize atualiza automaticamente a versão da solução para incluir novos itens nas recomendações com a exploração. Se você não especificar a versão mais recente da solução, nenhuma atualização ocorrerá. Para qualquer outra fórmula, você deve criar uma nova versão da solução para que novos itens sejam apresentados nas recomendações em lote. Para obter mais informações sobre exploração, consulte Exploration (Exploração).

Tópicos

• Fluxo de trabalho em lote
• Diretrizes e requisitos
• Pontuação do fluxo de trabalho em lote
• Recomendações em lote com temas do Content Generator
• Como preparar dados de entrada para recomendações em lote
• Criar um trabalho de inferência em lote
• Exemplos de saída de trabalho de inferência em lote

Fluxo de trabalho em lote

O fluxo de trabalho é o seguinte:

1. Prepare e faça upload dos dados de entrada no formato JSON para um bucket do Amazon S3. O formato dos dados de entrada depende da fórmula que você usa. Consulte Como preparar dados de entrada para recomendações em lote.

2. Crie um local separado para seus dados de saída, seja uma pasta ou um bucket diferente do Amazon S3.

3. Crie um trabalho de inferência em lote. Consulte Criar um trabalho de inferência em lote.

4. Quando a inferência em lote estiver concluída, recupere as recomendações de itens do seu local de saída no Amazon S3.

Diretrizes e requisitos

A seguir estão as diretrizes e os requisitos para obtenção de recomendação em lote:

• Seu perfil de serviço de IAM do Amazon Personalize deve ter permissão para ler e adicionar arquivos aos seus buckets do Amazon S3. Para obter informações sobre como conceder permissões, consulte Política de perfil de serviço para fluxos de trabalho em lote. Para obter mais informações sobre permissões em buckets, consulte Usar exemplos de políticas no Guia do desenvolvedor do Amazon Simple Storage Service. Se você usar AWS Key Management Service (AWS KMS) para criptografia, deverá conceder permissão ao Amazon Personalize e à sua função de serviço Amazon Personalize IAM para usar sua chave. Para ter mais informações, consulte Como conceder permissão ao Amazon Personalize para usar sua chave AWS KMS.

• Você deve criar uma solução personalizada e uma versão da solução antes de criar um trabalho de inferência em lote. No entanto, não precisa criar uma campanha do Amazon Personalize. Se você criou um grupo de conjuntos de dados de domínio, ainda poderá criar recursos personalizados.

• Para gerar temas com recomendações, é necessário usar a fórmula Similar-Items. Além disso, é necessário ter um conjunto de dados de itens com dados de texto e dados de títulos de itens. Para obter mais informações sobre recomendações temáticas, consulte Recomendações em lote com temas do Content Generator.

• Seus dados de entrada devem ser formatados conforme descrito em Como preparar os dados de entrada para segmentos de usuários.

• Não é possível obter recomendações em lote com as fórmulas Trending-Now e Next-Best-Action.

• Se você usar um filtro com parâmetros de espaço reservado, deverá incluir os valores dos parâmetros nos dados de entrada em um objeto filterValues. Para ter mais informações, consulte Como fornecer valores de filtro no seu JSON de entrada.

• Recomendamos usar um local diferente para seus dados de saída (uma pasta ou um bucket diferente do Amazon S3) e os dados de entrada.

• As recomendações em lote podem não ser exatamente iguais às recomendações em tempo real. Isso ocorre porque os trabalhos de inferência em lote demoram mais para serem concluídos e só consideram os dados disponíveis 15 minutos antes do início do trabalho.

Pontuação do fluxo de trabalho em lote

As recomendações em lote incluem pontuações da seguinte forma:

• Com as fórmulas User-Personalization e Personalized-Ranking, o Amazon Personalize calcula as pontuações das recomendações de trabalhos de inferência em lote, conforme descrito em Como funciona a pontuação de recomendações (recursos personalizados) e Como funciona a pontuação de classificação personalizada. É possível visualizar as pontuações no arquivo JSON de saída do trabalho de inferência em lote.

• Com a fórmula Similar-Items, se você obtiver recomendações temáticas em lote, o Amazon Personalize classificará cada conjunto de itens relacionados com base na relevância do tema para cada item. Cada item inclui uma pontuação de 0 a 1. Quanto maior a pontuação, mais estreitamente relacionado o item estará com o tema. Para obter mais informações sobre recomendações com temas, consulte Recomendações em lote com temas do Content Generator.