Amazon Personalize ahora permite ajustar la popularidad de su Receta de artículos similares (aws-similar-items
). Similar-Items genera recomendaciones similares al artículo que selecciona un usuario, lo que ayuda a los usuarios a descubrir nuevos artículos en su catálogo en función del comportamiento anterior de todos los usuarios y los metadatos del artículo. Anteriormente, esta capacidad sólo estaba disponible para SIMS, el otro Related_Items
receta dentro de Amazon Personalize.
El catálogo de artículos de cada cliente y la forma en que los usuarios interactúan con él son exclusivos de su negocio. Al recomendar artículos similares, es posible que algunos clientes quieran poner más énfasis en artículos populares porque aumentan la probabilidad de interacción del usuario, mientras que otros pueden querer restar importancia a los artículos populares para mostrar recomendaciones que son más similares al artículo seleccionado pero que tienen menos difusión. conocido. Este lanzamiento le brinda más control sobre el grado en que la popularidad influye en las recomendaciones de artículos similares, para que pueda ajustar el modelo para satisfacer sus necesidades comerciales particulares.
En esta publicación, le mostramos cómo ajustar la popularidad de la receta de artículos similares. Especificamos un valor más cercano a cero para incluir elementos más populares y especificamos un valor más cercano a 1 para poner menos énfasis en la popularidad.
Casos de uso de ejemplo
Para explorar el impacto de esta nueva característica con mayor detalle, revisemos dos ejemplos. [1]
Primero, utilizamos la receta de Artículos similares para encontrar recomendaciones similares a la película de Disney de 1994, El Rey León (registro IMDB). Cuando el descuento de popularidad se establece en 0, Amazon Personalize recomienda películas que tienen una alta frecuencia de aparición (son populares). En este ejemplo, la película Seven (también conocida como Se7en), que apareció 19,295 veces en el conjunto de datos, se recomienda en el rango 3.0.
Al ajustar el descuento de popularidad a un valor de 0.4 para las recomendaciones de El Rey León, vemos que la clasificación de la película Siete cae a 4.0. También vemos películas del género infantil como Babe, La Bella y la Bestia, Aladdin y Blancanieves y los siete enanitos recomendadas en un rango más alto a pesar de su menor popularidad general en el conjunto de datos.
Exploremos otro ejemplo. Usamos la receta de artículos similares para encontrar recomendaciones similares a la película Toy Story de Disney y Pixar de 1995 (registro IMDB). Cuando el descuento de popularidad se establece en 0, Amazon Personalize recomienda películas que aparecen con alta frecuencia en el conjunto de datos. En este ejemplo, vemos que la película Twelve Monkeys (también conocida como 12 Monkeys), que apareció 6,678 veces en el conjunto de datos, se recomienda en el rango 5.0.
Al ajustar el descuento de popularidad a un valor de 0.4 para las recomendaciones de Toy Story, vemos que el rango de los Doce Monos ya no se recomienda entre los 10 primeros. También vemos películas del género infantil como Aladdin, Toy Story 2 y A. Bug's Life se recomienda en un rango más alto a pesar de su menor popularidad general en el conjunto de datos.
Poner mayor énfasis en el contenido más popular puede ayudar a aumentar la probabilidad de que los usuarios interactúen con las recomendaciones de artículos. Reducir el énfasis en la popularidad puede generar recomendaciones que parezcan más relevantes para el elemento consultado, pero que puedan ser menos populares entre los usuarios. Puede ajustar el grado de importancia que se le da a la popularidad para satisfacer las necesidades de su negocio para una campaña de personalización específica.
Implementar ajuste de popularidad
Para ajustar la popularidad de la receta de artículos similares, configure el popularity_discount_factor
hiperparámetro a través del Consola de administración de AWS, los SDK de AWS o el Interfaz de línea de comandos de AWS (CLI de AWS).
El siguiente es un código de muestra que establece el factor de descuento de popularidad en 0.5 a través del SDK de AWS:
La siguiente captura de pantalla muestra la configuración del factor de descuento de popularidad en 0.3 en la consola de Amazon Personalize.
Conclusión
Con el ajuste de popularidad, ahora puede refinar aún más la receta de artículos similares dentro de Amazon Personalize para controlar el grado en que la popularidad influye en las recomendaciones de artículos. Esto le brinda un mayor control sobre la definición de la experiencia del usuario final y lo que se incluye o excluye en sus recomendaciones de elementos similares.
Para obtener más detalles sobre cómo implementar el ajuste de popularidad para la receta de elementos similares, consulte documentación.
Referencias
[1] Maxwell Harper y Joseph A. Konstan. 2015. Los conjuntos de datos de MovieLens: historia y contexto. Transacciones ACM sobre sistemas inteligentes interactivos (TiiS) 5, 4, artículo 19 (diciembre de 2015), 19 páginas. DOI=http://dx.doi.org/10.1145/2827872
Acerca de los autores
Julia McCombs-Clark es gerente técnico senior de productos en el equipo de Amazon Personalize.
nihal harish es ingeniero de desarrollo de software en el equipo de Amazon Personalize.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- EVM Finanzas. Interfaz unificada para finanzas descentralizadas. Accede Aquí.
- Grupo de medios cuánticos. IR/PR amplificado. Accede Aquí.
- PlatoAiStream. Inteligencia de datos Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://aws.amazon.com/blogs/machine-learning/introducing-popularity-tuning-for-similar-items-in-amazon-personalize/
- :es
- 1
- 10
- 12
- 1994
- 2015
- 50
- 7
- a
- ACM
- Aladdin
- Todos
- también
- Amazon
- Amazon Personalize
- Amazon Web Services
- y
- Otra
- somos
- artículo
- At
- Hoy Disponibles
- AWS
- basado
- BE
- Beauty
- porque
- pero
- Campaña
- PUEDEN
- catalogar
- Niños
- más cerca
- código
- Consola
- contenido
- contexto
- control
- Clientes
- conjuntos de datos
- Diciembre
- definir
- Grado
- A pesar de las
- detalle
- detalles
- Desarrollo
- El descuento
- descrubrir
- Disney
- Gotas
- énfasis
- permite
- y conseguir de esta manera
- ingeniero
- ejemplo
- ejemplos
- excluidos
- experience
- explorar
- factor
- Feature
- Encuentre
- siguiendo
- Frecuencia
- Desde
- promover
- genera
- obtener
- da
- mayor
- Tienen
- ayuda
- ayudando
- esta página
- Alta
- más alto
- historia
- Cómo
- Como Hacer
- HTML
- http
- HTTPS
- Impacto
- implementar
- importancia
- in
- incluir
- incluido
- aumente
- De Operación
- interactuar
- interacción
- interactivo
- Presentamos
- IT
- artículos
- SUS
- jpg
- King
- conocido
- lanzamiento
- menos
- Vida
- como
- línea
- por más tiempo
- inferior
- Management
- gerente
- Maxwell
- Puede..
- Conoce a
- metadatos
- modelo
- más,
- película
- Películas
- Nuevo
- no
- ahora
- se produjo
- of
- on
- , solamente
- or
- Otro
- Otros
- Más de
- total
- particular
- personalización
- personalizar
- Colocar
- Platón
- Inteligencia de datos de Platón
- PlatónDatos
- Popular
- popularidad
- Publicación
- preferido
- anterior
- previamente
- Producto
- gerente de producto
- recetas
- recomendaciones
- recomendado
- recomendando
- de CFP.
- la reducción de
- FILTRO
- respuesta
- una estrategia SEO para aparecer en las búsquedas de Google.
- Sdk
- SDK
- ver
- parecer
- seleccionado
- Servicios
- set
- pólipo
- siete
- Mostrar
- Shows
- similares
- nieve
- So
- Software
- Desarrollo de software ad-hoc
- algo
- soluciones y
- Historia
- Superficie
- Todas las funciones a su disposición
- equipo
- Técnico
- esa
- El proyecto
- su
- ellos
- así
- veces
- a
- parte superior
- Top 10
- Transacciones
- dos
- único
- utilizan el
- usado
- Usuario
- usuarios
- propuesta de
- vía
- quieres
- fue
- Camino..
- we
- web
- servicios web
- ¿
- Que es
- cuando
- que
- mientras
- complejo de salvador blanco
- extensamente
- seguirá
- dentro de
- Usted
- tú
- zephyrnet
- cero