Receita personalizada de classificação v2

A receita Personalized-Ranking-v2 gera classificações personalizadas de itens. Uma classificação personalizada é uma lista de itens recomendados que são reclassificados por relevância 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.

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

Ao usar o Personalized-Ranking-v2, você especifica os itens a serem classificados em uma operação de API. GetPersonalizedRanking 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 receita 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 interação do item 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.

O Personalized-Ranking-v2 usa um modelo de preços diferente de outras receitas. Para obter mais informações sobre preços, consulte os preços do Amazon Personalize.

Recursos da fórmula

O Personalized-Ranking-v2 usa os seguintes recursos de receita do Amazon Personalize ao classificar itens:

• Personalização em tempo real — Com a personalização em tempo real, o Amazon Personalize atualiza e adapta as recomendações de itens de acordo com a evolução do interesse do usuário. Para ter mais informações, consulte Personalização em tempo real.

• Metadados com recomendações — Com a receita Personalized-Ranking-v2, se você tiver um conjunto de dados de Itens com pelo menos uma coluna de metadados, as campanhas têm automaticamente a opção de incluir metadados do item nos resultados das recomendações. Você não precisa habilitar manualmente os metadados para sua campanha. É possível usar metadados para aprimorar as recomendações na interface de usuário, como adicionar gêneros de filmes a carrosséis. Para ter mais informações, consulte Metadados do item nas recomendações.

Conjuntos de dados obrigatórios e opcionais

Para usar o Personalized-Ranking-V2, você deve criar uma Conjunto de dados de interações com itens e importar no mínimo 1000 interações de itens. O Amazon Personalize gera classificações com base principalmente nos dados de interação do item. O Personalized-Ranking-v2 pode treinar em até 5 milhões de itens em interações de itens e conjuntos de dados de itens.

Com o Personalized-Ranking-v2, o Amazon Personalize pode usar dados de interações de itens que incluem o seguinte:

• Tipo de evento e dados de valor do evento — O Amazon Personalize usa dados de tipo de evento, como tipos de eventos de clique ou assista, para identificar a intenção e o interesse do usuário por meio de qualquer padrão de comportamento. Além disso, você pode usar os dados do tipo e do valor do evento para filtrar os registros antes do treinamento. Para ter mais informações, consulte Tipo de evento e dados de valor do evento.

  nota

  Com o Personalized-Ranking-V2, seu custo de treinamento é baseado em seus dados de interações antes de filtrar por tipo ou valor do evento. Para obter mais informações sobre preços, consulte os preços do Amazon Personalize.

• Metadados contextuais — 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 ter mais informações, consulte Metadados contextuais.

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

• Conjunto de dados de usuários — O Amazon Personalize pode usar dados em seu conjunto de dados de usuários para entender melhor seus usuários e seus interesses. Você também pode 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 conjunto de dados de usuários.

• Conjunto de dados de itens — O Amazon Personalize pode usar dados em seu conjunto de dados de itens para identificar conexões e padrões em seu comportamento. Isso ajuda o Amazon Personalize a entender os usuários e os respectivos interesses. Você também pode usar dados em um conjunto de dados de Itens para filtrar recomendações. Para obter informações sobre os dados de itens que podem ser importados, consulte conjunto de dados de itens.

Propriedades e hiperparâmetros

A receita Personalized-Ranking-v2 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 ter mais informações, consulte Escolher uma fórmula.

A tabela a seguir descreve os hiperparâmetros da receita Personalized-Ranking-v2. 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 o Personalized-Ranking-V2, se você ativar o treinamento automático, o Amazon Personalize executará automaticamente o HPO a cada 90 dias. Sem treinamento automático, nenhum HPO ocorre.

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 de itens em seu conjunto de dados de interações de 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