创建数据集和架构（控制台）创建数据集和架构 (AWS CLI)创建数据集和架构 (AWS SDK)

创建数据集和架构

完成步骤 1：创建数据集组后，就可以创建数据集了。数据集 是 Amazon Personalize 的数据容器。创建数据集时，还可以为该数据集创建架构。架构会将您的数据结构告知给 Amazon Personalize，并允许 Amazon Personalize 解析数据。

您可以使用 Amazon Personalize 控制台、 AWS Command Line Interface (AWS CLI) 或 AWS 软件开发工具包创建数据集。您无法在域数据集组中创建次佳操作资源，包括操作和操作交互数据集。有关不同类型的数据集以及数据集和架构要求的信息，请参阅数据集和架构。

创建数据集和架构（控制台）

如果这是您的数据集组中的第一个数据集，则您的第一个数据集类型将是物品交互数据集。要在控制台中创建物品交互数据集，请指定数据集名称，然后以 Avro 格式指定 JSON 架构。如果这不是您在此数据集组中的第一个数据集，请选择数据集类型，然后指定名称和架构。

有关 Amazon Personalize 数据集和架构要求的信息，请参阅数据集和架构。

注意

如果您刚完成步骤 1：创建数据集组并且已经在创建数据集，请跳至此过程中的步骤 4。

创建数据集和架构

打开 Amazon Personalize 控制台（网址为 https://console.aws.amazon.com/personalize/home），并登录您的账户。
在数据集组页面上，选择您在步骤 1：创建数据集组中创建的数据集组。
在设置数据集中，选择创建数据集并选择要创建的数据集类型。
选择将数据直接导入 Amazon Personalize 数据集，然后选择下一步。
在数据集详细信息中，对于数据集名称，为您的数据集指定名称。
在架构详细信息中，对于架构选择，选择现有架构，或选择创建新架构。
如果您要创建新架构，则对于架构定义，粘贴与您的数据匹配的架构 JSON。使用架构中的示例作为指导。创建架构后，您无法更改架构。
对于新架构名称，为新架构指定一个名称。
对于标签，可以选择添加任何标签。有关标记 Amazon Personalize 资源的更多信息，请参阅为 Amazon Personalize 资源添加标签。
选择下一步，然后按照准备和导入批量数据中的说明导入数据。

创建数据集和架构 (AWS CLI)

要使用创建数据集和架构 AWS CLI，您需要先定义 Avro 格式的架构，然后使用 CreateSchema操作将其添加到 A mazon Personalize 中。随后，使用 CreateDataset 操作创建数据集。有关 Amazon Personalize 数据集和架构要求的信息，请参阅数据集和架构。

创建架构和数据集

创建一个 Avro 格式的架构文件并将其另存为 JSON 文件。此文件应基于您要创建的数据集类型，例如交互。

架构必须与您的数据中的列匹配，且架构 name 必须与 Amazon Personalize 识别的其中一个数据集类型相匹配。以下是最小物品交互数据集架构的示例。有关更多示例，请参阅架构。


{
  "type": "record",
  "name": "Interactions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ITEM_ID",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}

通过运行以下命令在 Amazon Personalize 中创建架构。创建架构后，您无法更改架构。将 schemaName 替换为架构的名称，将 file://SchemaName.json 替换为您在上一步创建的 JSON 文件的位置。此示例将该文件显示为属于当前文件夹。

如果要为域数据集组中的数据集创建架构，则添加 domain 参数并将其设置为 ECOMMERCE 或 VIDEO_ON_DEMAND。有关该 API 的更多信息，请参阅CreateSchema。
```
aws personalize create-schema \
  --name SchemaName \
  --schema file://SchemaName.json
```
这将显示架构 Amazon 资源名称 (ARN)，如以下示例所示：
```
{
  "schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/SchemaName"
}
```
通过运行以下命令来创建一个空数据集。提供来自创建数据集组 (AWS CLI) 的数据集组 Amazon 资源名称 (ARN) 和来自上一步的架构 ARN。数据集类型值可以是 Interactions、Users、Items、Actions 或 Action_Interactions。有关该 API 的更多信息，请参阅CreateDataset。
```
aws personalize create-dataset \
  --name Dataset Name \
  --dataset-group-arn Dataset Group ARN \
  --dataset-type Dataset Type \
  --schema-arn Schema Arn
```
这时将显示数据集 ARN，如以下示例所示。
```
{
  "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/DatasetName/INTERACTIONS"
}
```
记录数据集 ARN 以备后用。创建数据集后，就可以导入训练数据了。请参阅准备和导入批量数据。

创建数据集和架构 (AWS SDK)

要使用 AWS 软件开发工具包创建数据集和架构，您需要先定义 Avro 格式的架构，然后使用操作将其添加到 A mazon Personalize 中。CreateSchema创建架构后，您无法更改架构。随后，使用 CreateDataset 操作创建数据集。有关 Amazon Personalize 数据集和架构要求的信息，请参阅数据集和架构。

创建架构和数据集

创建一个 Avro 格式的架构文件，并将其另存为 JSON 文件以保存到您的工作目录中。


{
  "type": "record",
  "name": "Interactions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ITEM_ID",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}

使用以下代码创建架构。为架构指定名称，为架构 JSON 文件指定文件路径。

如果要为域数据集组中的数据集创建架构，则添加 domain 参数并将其设置为 ECOMMERCE 或 VIDEO_ON_DEMAND。有关该 API 的更多信息，请参阅CreateSchema。

SDK for Python (Boto3)


import boto3

personalize = boto3.client('personalize')

with open('schemaFile.json') as f:
    createSchemaResponse = personalize.create_schema(
        name = 'schema name',
        schema = f.read()
    )

schema_arn = createSchemaResponse['schemaArn']

print('Schema ARN:' + schema_arn )

SDK for Java 2.x


public static String createSchema(PersonalizeClient personalizeClient, String schemaName, String filePath) {
    
    String schema = null;
    
    try {
        schema = new String(Files.readAllBytes(Paths.get(filePath)));
    } catch (IOException e) {
        System.out.println(e.getMessage());
    }
    
    try {
        CreateSchemaRequest createSchemaRequest = CreateSchemaRequest.builder()
                .name(schemaName)
                .schema(schema)
                .build();

        String schemaArn = personalizeClient.createSchema(createSchemaRequest).schemaArn();    
        System.out.println("Schema arn: " + schemaArn);

        return schemaArn;

    } catch(PersonalizeException e) {
        System.err.println(e.awsErrorDetails().errorMessage());
        System.exit(1);
    }
    return "";
}

SDK for JavaScript v3


// Get service clients module and commands using ES6 syntax.
import { CreateSchemaCommand } from
  "@aws-sdk/client-personalize";
import { personalizeClient } from "./libs/personalizeClients.js";

// Or, create the client here.
// const personalizeClient = new PersonalizeClient({ region: "REGION"});

import fs from 'fs';

let schemaFilePath = "SCHEMA_PATH";
let mySchema = "";

try {
  mySchema = fs.readFileSync(schemaFilePath).toString();
} catch (err) {
  mySchema = 'TEST' // For unit tests.
}
// Set the schema parameters.
export const createSchemaParam = {
  name: 'NAME', /* required */
  schema: mySchema /* required */
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(new CreateSchemaCommand(createSchemaParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

Amazon Personalize 将返回新架构的 ARN。记录该 ARN，因为需要在下一步中使用。

使用 CreateDataset 操作创建数据集。以下代码展示了如何创建数据集。指定数据集组的 Amazon 资源名称 (ARN)、上一步中的架构 ARN，并指定数据集类型。数据集类型值可以是 Interactions、Users、Items、Actions 或 Action_Interactions。有关不同类型数据集的信息，请参阅数据集和架构。

SDK for Python (Boto3)


import boto3

personalize = boto3.client('personalize')

response = personalize.create_dataset(
    name = 'dataset_name',
    schemaArn = 'schema_arn',
    datasetGroupArn = 'dataset_group_arn',
    datasetType = 'dataset_type'
)

print ('Dataset Arn: ' + response['datasetArn'])

SDK for Java 2.x


public static String createDataset(PersonalizeClient personalizeClient, 
                                    String datasetName, 
                                    String datasetGroupArn, 
                                    String datasetType, 
                                    String schemaArn) {
    try {
        CreateDatasetRequest request = CreateDatasetRequest.builder()
                .name(datasetName)
                .datasetGroupArn(datasetGroupArn)
                .datasetType(datasetType)
                .schemaArn(schemaArn).build();
    
        String datasetArn = personalizeClient.createDataset(request).datasetArn();
        System.out.println("Dataset " + datasetName + " created. Dataset ARN: " + datasetArn);
        
        return datasetArn;
        
    } catch(PersonalizeException e) {
        System.err.println(e.awsErrorDetails().errorMessage());
        System.exit(1);
    }
    return "";
}

SDK for JavaScript v3


// Get service clients module and commands using ES6 syntax.
import { CreateDatasetCommand } from
  "@aws-sdk/client-personalize";
import { personalizeClient } from "./libs/personalizeClients.js";

// Or, create the client here.
// const personalizeClient = new PersonalizeClient({ region: "REGION"});

// Set the dataset's parameters.
export const createDatasetParam = {
  datasetGroupArn: 'DATASET_GROUP_ARN', /* required */
  datasetType: 'DATASET_TYPE', /* required */
  name: 'NAME', /* required */
  schemaArn: 'SCHEMA_ARN' /* required */
}

export const run = async () => {
  try {
    const response = await personalizeClient.send(new CreateDatasetCommand(createDatasetParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

创建数据集后，就可以导入训练数据了。请参阅准备和导入批量数据。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

上传到 Amazon S3 存储桶

通过数据集导入作业导入批量记录