在 Amazon Personalize 中建立網域推薦者 - Amazon Personalize
建立推薦者 （主控台）建立推薦者 (AWS CLI)建立推薦者AWS SDKs)

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

在 Amazon Personalize 中建立網域推薦者

您可以使用 Amazon Personalize 主控台、 AWS Command Line Interface (AWS CLI) 或 AWS SDKs建立推薦者。以下包含使用 Amazon Personalize 主控台建立推薦者的詳細步驟，以及示範如何使用僅必要欄位建立推薦者的程式碼範例。

建立推薦者 （主控台）

重要

較高的 minRecommendationRequestsPerSecond會增加您的帳單。我們建議從 1 開始 minRecommendationRequestsPerSecond（預設值）。使用 Amazon CloudWatch 指標追蹤您的用量，並視需要增加 minRecommendationRequestsPerSecond。如需詳細資訊，請參閱每秒最低建議請求數和自動調整規模。

使用 Amazon Personalize 主控台為每個使用案例建立推薦者，如下所示。如果您剛建立網域資料集群組，且已在概觀頁面上，請跳至步驟 3。

建立推薦者

  1. 在 https://console.aws.amazon.com/personalize/home：// 開啟 Amazon Personalize 主控台並登入您的帳戶。

  2. 在資料集群組頁面上，選擇您的網域資料集群組。

  3. 在步驟 3 中，選擇使用 <網域名稱> 推薦者，然後選擇建立推薦者。

  4. 在選擇使用案例頁面上，選擇您要建立推薦者的使用案例，並為每個推薦者命名。Amazon Personalize 會為您所選的每個使用案例建立推薦者。可用的使用案例取決於您的網域。如需選擇使用案例的資訊，請參閱 選擇使用案例。

  5. 選擇下一步。

  6. 在進階組態頁面上，根據您的業務需求設定每個建議者：

    • 對於建議者使用案例使用的每個資料集，您可以選擇 Amazon Personalize 在訓練支援建議者的模型時考慮的資料欄。根據預設，Amazon Personalize 會使用可在訓練時使用的所有資料欄。如需詳細資訊，請參閱設定建立 Amazon Personalize 網域建議程式時使用的資料欄。

    • 您可以修改每秒最低建議請求，為推薦者指定新的最低請求容量。較高的 minRecommendationRequestsPerSecond會增加您的帳單。我們建議從 1 開始 （預設值）。使用 Amazon CloudWatch 指標追蹤您的用量，並視需要增加 minRecommendationRequestsPerSecond。如需更多資訊，請參閱每秒最低建議請求數和自動調整規模。

    • 如果您想要在建議中包含項目資料集中繼資料，請在建議結果中選擇傳回項目中繼資料。如果啟用，您可以在建議或個人化排名的請求中指定項目資料集中的資料欄。Amazon Personalize 會針對建議回應中的每個項目傳回此資料。

      若要啟用中繼資料，您必須擁有具有中繼資料資料欄的項目資料集。

    • 對於 Top picks for your或 Recommended for you使用案例，選擇性地變更探勘組態。探索涉及測試不同的項目建議，以了解使用者如何以極少的互動資料回應項目。使用下列欄位來設定探勘：

      • 強調探索較不相關的項目 （探索權重） – 設定要探索多少。指定介於 0 到 1 之間的十進位值。預設值為 0.3。值越接近 1，探勘越多。隨著探索次數的增加，建議包括更多項目，其中根據先前的行為，項目互動資料或相關性較少。在零時，不會進行探勘，建議是根據目前的資料 （相關性）。

      • 探勘項目存留期截止 – 指定項目互動資料集中所有項目自上次互動以來的最大項目存留期，以天為單位。這會根據項目存留期定義項目探索的範圍。Amazon Personalize 會根據項目建立時間戳記，或如果缺少建立時間戳記資料，則根據項目互動資料來決定項目存留期。如需 Amazon Personalize 如何決定項目存留期的詳細資訊，請參閱 建立時間戳記資料。

        若要增加 Amazon Personalize 在探勘期間考慮的項目，請輸入較大的值。最短為 1 天，預設值為 30 天。建議可能包括比您指定的項目存留期截止還舊的項目。這是因為這些項目與使用者相關，而且探勘無法識別它們。

    • 對於標籤，選擇性地新增任何標籤。如需標記 Amazon Personalize 資源的詳細資訊，請參閱 標記 Amazon Personalize 資源。

  7. 若要為每個使用案例建立推薦者，請選擇建立推薦者。

    您可以在建議程式頁面上監控每個建議程式的狀態。當您的推薦者狀態為作用中時，您可以在應用程式中使用它來取得建議。

建立推薦者 (AWS CLI)

使用下列 AWS CLI 程式碼為網域使用案例建立推薦者。為每個網域使用案例執行此程式碼。針對 recipeArn，請提供您的使用案例的 Amazon Resource Name (ARN)。可用的使用案例取決於您的網域。如需使用案例及其 ARNs的清單，請參閱 選擇使用案例。

aws personalize create-recommender \
--name recommender name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN

建立推薦者AWS SDKs)

使用下列程式碼建立網域使用案例的推薦者。為您的推薦者命名並提供網域資料集群組的 Amazon Resource Name (ARN)。針對 recipeArn，請提供您的使用案例的 ARN。為每個網域使用案例執行此程式碼。可用的使用案例取決於您的網域。如需使用案例、其 ARNs 及其需求的清單，請參閱 選擇使用案例。

SDK for Python (Boto3)
import boto3

personalize = boto3.client('personalize')

create_recommender_response = personalize.create_recommender(
  name = 'recommender name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN'     
)

recommender_arn = create_recommender_response['recommenderArn']

print('Recommender ARN:' + recommender_arn)
SDK for Java 2.x
    public static String createRecommender(PersonalizeClient personalizeClient,
            String name,
            String datasetGroupArn,
            String recipeArn) {

        long maxTime = 0;
        long waitInMilliseconds = 30 * 1000; // 30 seconds
        String recommenderStatus = "";

        try {
            CreateRecommenderRequest createRecommenderRequest = CreateRecommenderRequest.builder()
                    .datasetGroupArn(datasetGroupArn)
                    .name(name)
                    .recipeArn(recipeArn)
                    .build();

            CreateRecommenderResponse recommenderResponse = personalizeClient
                    .createRecommender(createRecommenderRequest);
            String recommenderArn = recommenderResponse.recommenderArn();
            System.out.println("The recommender ARN is " + recommenderArn);

            DescribeRecommenderRequest describeRecommenderRequest = DescribeRecommenderRequest.builder()
                    .recommenderArn(recommenderArn)
                    .build();

            maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60;

            while (Instant.now().getEpochSecond() < maxTime) {

                recommenderStatus = personalizeClient.describeRecommender(describeRecommenderRequest).recommender()
                        .status();
                System.out.println("Recommender status: " + recommenderStatus);

                if (recommenderStatus.equals("ACTIVE") || recommenderStatus.equals("CREATE FAILED")) {
                    break;
                }
                try {
                    Thread.sleep(waitInMilliseconds);
                } catch (InterruptedException e) {
                    System.out.println(e.getMessage());
                }
            }
            return recommenderArn;

        } catch (PersonalizeException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
        return "";
    }
SDK for JavaScript v3
// Get service clients and commands using ES6 syntax.
import { CreateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

// create personalizeClient
const personalizeClient = new PersonalizeClient({
  region: "REGION"
});

// set the recommender's parameters
export const createRecommenderParam = {
  name: "RECOMMENDER_NAME",                    /* required */
  recipeArn: "RECIPE_ARN",                     /* required */
  datasetGroupArn: "DATASET_GROUP_ARN"         /* required */
}

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