Fórmula Personalized-Ranking-v2

PDFRSS

A receita Personalized-Ranking-v 2 gera classificações personalizadas de itens. Uma classificação personalizada é uma lista de itens recomendados que são reclassificados para um usuário específico. Isso é útil se você tiver uma coleção de itens pedidos, como resultados de pesquisa, promoções ou listas selecionadas, e quiser fornecer uma nova classificação personalizada para cada um de seus usuários.

Personalized-Ranking-v2 pode treinar em até 5 milhões de itens de interações de itens e conjuntos de dados de itens. Além de gerar classificações mais precisas com menor latência do que Classificações personalizadas.

Ao usar Personalized-Ranking-v 2, você especifica os itens a serem classificados em uma operação de GetPersonalizedRanking API. Se você especificar itens sem dados de interações, o Amazon Personalize retornará esses itens sem uma pontuação de recomendação na resposta da GetPersonalizedRanking API.

Essa formula usa uma arquitetura baseada em transformadores para treinar um modelo que aprende o contexto e rastreia relacionamentos e padrões em seus dados. Transformadores são um tipo de arquitetura de rede neural que transforma ou altera uma sequência de entrada em uma sequência de saída. Para o Amazon Personalize, a sequência de entrada é o histórico de interações com itens do usuário em seus dados. A sequência de saída são suas recomendações personalizadas. Para obter mais informações sobre transformadores, consulte O que são transformadores em inteligência artificial? no AWS Cloud Computing Concepts Hub.

A fórmula Personalized-Ranking-v2 usa um modelo de preços diferente de outras fórmulas. Para obter mais informações, consulte os preços do Amazon Personalize.

Recursos da fórmula

A fórmula Personalized-Ranking-v2 usa os seguintes recursos do Amazon Personalize ao classificar itens:

• Personalização em tempo real: o Amazon Personalize usa personalização em tempo real para atualizar e adaptar as recomendações de ações de acordo com a evolução do interesse do usuário. Para obter mais informações, consulte Personalização em tempo real.

• Metadados com recomendações — Com a receita Personalized-Ranking-v 2, se você tiver um conjunto de dados de itens com pelo menos uma coluna de metadados, as campanhas terão automaticamente a opção de incluir metadados do item nos resultados das recomendações. Você não precisa habilitar manualmente os metadados da sua campanha. É possível usar metadados para aprimorar as recomendações na interface de usuário, como adicionar gêneros de filmes a carrosséis. Para obter mais informações, consulte Habilitar metadados nas recomendações.

Conjuntos de dados obrigatórios e opcionais

Para usar o Personalized-Ranking-v 2, você deve criar um conjunto de dados de interações de itens e importar no mínimo 1.000 interações de itens. O Amazon Personalize gera recomendações com base principalmente em dados de interações com itens. Para obter mais informações, consulteDados de interações com itens. Personalized-Ranking-v2 pode treinar em até 5 milhões de itens em interações de itens e conjuntos de dados de itens.

Com Personalized-Ranking-v 2, o Amazon Personalize pode usar dados de interações de itens que incluem o seguinte:

• Dados de tipo e valor do evento: o Amazon Personalize usa dados de tipos de evento, como tipos de evento de clique ou exibição, para identificar a intenção e o interesse do usuário por meio de padrões de comportamento. Além disso, é possível usar dados de tipo e valor do evento para filtrar registros antes do treinamento. Para obter mais informações, consulte Tipo de evento e dados de valor do evento.

  nota

  Com Personalized-Ranking-v 2, seu custo de treinamento é baseado em seus dados de interações antes de filtrar por tipo ou valor do evento. Para obter mais informações, consulte os preços do Amazon Personalize.

• Metadados contextuais: são dados de interações que você coleta no ambiente do usuário no momento de um evento, como sua localização ou tipo de dispositivo. Para obter mais informações, consulte Metadados contextuais.

Os seguintes conjuntos de dados são opcionais e podem melhorar as recomendações:

• Conjunto de dados de usuários: o Amazon Personalize usa todos os dados do conjunto de dados para entender melhor os usuários e seus interesses. Também é possível usar dados em um conjunto de dados de usuários para filtrar recomendações. Para obter informações sobre os dados de usuários que podem ser importados, consulte Metadados do usuário.

• Conjunto de dados de itens: o Amazon Personalize pode usar todos os dados do conjunto de dados dos itens para identificar conexões e padrões no comportamento. Isso ajuda o Amazon Personalize a entender os usuários e os respectivos interesses. Também é possível usar dados em um conjunto de dados de itens para filtrar as recomendações. Para obter informações sobre os dados de itens que podem ser importados, consulte Metadados de itens.

Propriedades e hiperparâmetros

A receita Personalized-Ranking-v 2 tem as seguintes propriedades:

• Nome: aws-personalized-ranking-v2

• Fórmula nome do recurso da Amazon (ARN) – arn:aws:personalize:::recipe/aws-personalized-ranking-v2

• ARN do algoritmo – arn:aws:personalize:::algorithm/aws-personalized-ranking-v2

Para obter mais informações, consulte Escolher uma fórmula.

A tabela a seguir descreve os hiperparâmetros da receita Personalized-Ranking-v 2. Um hiperparâmetro é um parâmetro de algoritmo que pode ser ajustado para melhorar o desempenho do modelo. Os hiperparâmetros do algoritmo controlam o desempenho do modelo. O processo de escolher o melhor valor para um hiperparâmetro é chamado de otimização de hiperparâmetros (HPO). Com Personalized-Ranking-v 2, se você ativar o treinamento automático, o Amazon Personalize executará automaticamente o HPO a cada 90 dias. Sem treinamento automático, não ocorre nenhum HPO.

A tabela também fornece as seguintes informações para cada hiperparâmetro:

• Intervalo: [limite inferior, limite superior]

• Tipo de valor: inteiro, contínuo (float), categórico (booliano, lista, string)

Nome	Descrição
Hiperparâmetros de algoritmo
apply_recency_bias	Determina se o modelo deve dar mais peso aos dados mais recentes de interações com itens em seu conjunto de dados de interações com itens. Os dados de interações mais recentes podem incluir mudanças repentinas nos padrões subjacentes dos eventos de interação. Para treinar um modelo que posiciona mais peso sobre eventos recentes, defina apply_recency_bias como true. Para treinar um modelo que pese igualmente todas as interações passadas, defina apply_recency_bias como false. Valor padrão: true Intervalo: true ou false Tipo de valor: booliano HPO ajustável: não