Amazon Customize tem o prazer de anunciar o novo Tendência-Agora receita para ajudá-lo a recomendar itens que estão ganhando popularidade no ritmo mais rápido entre seus usuários.
O Amazon Personalize é um serviço de aprendizado de máquina (ML) totalmente gerenciado que facilita para os desenvolvedores oferecer experiências personalizadas a seus usuários. Ele permite que você melhore o envolvimento do cliente, fornecendo recomendações personalizadas de produtos e conteúdo em sites, aplicativos e campanhas de marketing direcionadas. Você pode começar sem nenhuma experiência anterior em ML, usando APIs para criar facilmente recursos de personalização sofisticados com apenas alguns cliques. Todos os seus dados são criptografados para serem privados e seguros e são usados apenas para criar recomendações para seus usuários.
Os interesses do usuário podem mudar com base em diversos fatores, como eventos externos ou interesses de outros usuários. É fundamental que sites e aplicativos adaptem suas recomendações a esses interesses em constante mudança para melhorar o envolvimento do usuário. Com Trending-Now, você pode exibir itens de seu catálogo que estão crescendo em popularidade com maior velocidade do que outros itens, como notícias de tendências, conteúdo social popular ou filmes recém-lançados. O Amazon Personalize procura itens que estão crescendo em popularidade em um ritmo mais rápido do que outros itens de catálogo para ajudar os usuários a descobrir itens que estão atraindo seus pares. O Amazon Personalize também permite definir os períodos de tempo nos quais as tendências são calculadas, dependendo do contexto comercial exclusivo, com opções para cada 30 minutos, 1 hora, 3 horas ou 1 dia, com base nos dados de interações mais recentes dos usuários.
Neste post, mostramos como usar esta nova receita para recomendar os itens mais populares para seus usuários.
Visão geral da solução
Trending-Now identifica os principais itens de tendência calculando o aumento nas interações que cada item tem em intervalos de tempo configuráveis. Os itens com maior taxa de aumento são considerados itens de tendência. A hora é baseada em dados de carimbo de data/hora em seu conjunto de dados de interações. Você pode especificar o intervalo de tempo fornecendo uma frequência de descoberta de tendência ao criar sua solução.
A receita Trending-Now requer um conjunto de dados de interações, que contém um registro do usuário individual e eventos de itens (como cliques, relógios ou compras) em seu site ou aplicativo junto com os carimbos de data/hora do evento. Você pode usar o parâmetro Frequência de descoberta de tendências para definir os intervalos de tempo nos quais as tendências são calculadas e atualizadas. Por exemplo, se você tiver um site de alto tráfego com tendências que mudam rapidamente, poderá especificar 30 minutos como a frequência de descoberta de tendências. A cada 30 minutos, o Amazon Personalize analisa as interações que foram ingeridas com sucesso e atualiza os itens de tendência. Essa receita também permite que você capture e mostre qualquer novo conteúdo que tenha sido introduzido nos últimos 30 minutos e tenha visto um maior grau de interesse de sua base de usuários do que qualquer item de catálogo pré-existente. Para qualquer valor de parâmetro maior que 2 horas, o Amazon Personalize atualiza automaticamente as recomendações de itens de tendência a cada 2 horas para contabilizar novas interações e novos itens.
Os conjuntos de dados que têm baixo tráfego, mas usam um valor de 30 minutos, podem ter uma precisão de recomendação insatisfatória devido a dados de interações esparsos ou ausentes. A receita Trending-Now requer que você forneça dados de interação para pelo menos dois períodos de tempo anteriores (esse período de tempo é a frequência de descoberta de tendência desejada). Se os dados de interação não existirem nos últimos 2 períodos de tempo, o Amazon Personalize substituirá os itens de tendência por itens populares até que os dados mínimos necessários estejam disponíveis.
A receita Trending-Now está disponível para grupos de conjuntos de dados personalizados, bem como grupos de conjuntos de dados de domínio de vídeo sob demanda. Nesta postagem, demonstramos como adaptar suas recomendações para as tendências em rápida mudança no interesse do usuário com este novo recurso Trending-Now para um caso de uso de mídia com um grupo de conjunto de dados personalizado. O diagrama a seguir ilustra o fluxo de trabalho da solução.
Por exemplo, em aplicativos de vídeo sob demanda, você pode usar esse recurso para mostrar quais filmes estão em alta na última hora, especificando 1 hora para sua frequência de descoberta de tendências. Para cada 1 hora de dados, o Amazon Personalize identifica os itens com a maior taxa de aumento nas interações desde a última avaliação. As frequências disponíveis incluem 1 minutos, 30 hora, 1 horas e 3 dia.
Pré-requisitos
Para usar a receita Trending-Now, primeiro você precisa configurar os recursos do Amazon Personalize no console do Amazon Personalize. Crie seu grupo de conjunto de dados, importe seus dados, treine uma versão da solução e implante uma campanha. Para obter instruções completas, consulte Iniciar.
Para esta postagem, seguimos a abordagem do console para implantar uma campanha usando a nova receita Trending-Now. Alternativamente, você pode construir toda a solução usando a abordagem SDK com este fornecido caderno. Para ambas as abordagens, usamos o Conjunto de dados públicos do MovieLens.
Preparar o conjunto de dados
Conclua as etapas a seguir para preparar seu conjunto de dados:
- Criar um grupo de conjuntos de dados.
- Crie um conjunto de dados de interações usando o seguinte esquema:
- Importe os dados de interações para o Amazon Personalize de Serviço de armazenamento simples da Amazon (Amazônia S3).
Para os dados de interações, usamos o histórico de avaliações do conjunto de dados de resenhas de filmes, MovieLens.
Use o código python abaixo para selecionar o conjunto de dados de interações do conjunto de dados público MovieLens.
A MovieLens
conjunto de dados contém o user_id
, rating
, item_id
, interações entre os usuários e itens e a hora em que essa interação ocorreu (um carimbo de data/hora, que é fornecido como tempo de época do UNIX). O conjunto de dados também contém informações do título do filme para mapear o ID do filme para o título e gêneros reais. A tabela a seguir é uma amostra do conjunto de dados.
ID DO USUÁRIO | ITEM_ID | TIMESTAMP | IMERSÃO DE INGLÊS | GÊNEROS |
116927 | 1101 | 1105210919 | Top Gun (1986) | Ação|Romance |
158267 | 719 | 974847063 | Multiplicidade (1996) | Comédia |
55098 | 186871 | 1526204585 | Cura (2017) | Documentário |
159290 | 59315 | 1485663555 | Homem de Ferro (2008) | Ação|Aventura|Sci-Fi |
108844 | 34319 | 1428229516 | Ilha, A (2005) | Ação|Ficção científica|Suspense |
85390 | 2916 | 953264936 | Total Recall (1990) | Ação|Aventura|Sci-Fi|Thriller |
103930 | 18 | 839915700 | Quatro Quartos (1995) | Comédia |
104176 | 1735 | 985295513 | Grandes esperanças (1998) | Drama | Romance |
97523 | 1304 | 1158428003 | Butch Cassidy e o Sundance Kid (1969) | Ação|Ocidental |
87619 | 6365 | 1066077797 | Matrix Reloaded, O (2003) | Ação|Aventura|Ficção Científica|Suspense|IMAX |
O conjunto de dados com curadoria inclui USER_ID
, ITEM_ID
(ID do filme) e TIMESTAMP
para treinar o modelo Amazon Personalize. Estes são os campos obrigatórios para treinar um modelo com a receita Trending-Now. A tabela a seguir é uma amostra do conjunto de dados curado.
ID DO USUÁRIO | ITEM_ID | TIMESTAMP |
48953 | 529 | 841223587 |
23069 | 1748 | 1092352526 |
117521 | 26285 | 1231959564 |
18774 | 457 | 848840461 |
58018 | 179819 | 1515032190 |
9685 | 79132 | 1462582799 |
41304 | 6650 | 1516310539 |
152634 | 2560 | 1113843031 |
57332 | 3387 | 986506413 |
12857 | 6787 | 1356651687 |
Treine uma modelo
Após a conclusão do trabalho de importação do conjunto de dados, você estará pronto para treinar seu modelo.
- No Soluções guia, escolha Criar solução.
- Escolha o
new aws-trending-now
receita. - No Configuração avançada seção, conjunto Frequência de descoberta de tendências a 30 minutos.
- Escolha Criar solução para começar a treinar.
Crie uma campanha
No Amazon Personalize, você usa uma campanha para fazer recomendações para seus usuários. Nesta etapa, você cria uma campanha usando a solução criada na etapa anterior e obtém as recomendações Trending-Now:
- No Campanhas guia, escolha Criar campanha.
- Escolha Nome da campanha, Insira o nome.
- Escolha Solução, escolha a solução
trending-now-solution
. - Escolha ID da versão da solução, escolha a versão da solução que usa o
aws-trending-now
receita. - Escolha Mínimo de transações provisionadas por segundo, deixe-o com o valor padrão.
- Escolha Criar campanha para começar a criar sua campanha.
Receba recomendações
Depois de criar ou atualizar sua campanha, você pode obter uma lista recomendada de itens em alta, classificados do maior para o menor. Na campanha (trending-now-campaign
) API de personalização guia, escolha Receba recomendações.
A captura de tela a seguir mostra a página de detalhes da campanha com os resultados de uma GetRecommendations
chamada que inclui os itens recomendados e o ID da recomendação.
Os resultados da GetRecommendations
chamada inclui os IDs dos itens recomendados. A tabela a seguir é uma amostra depois de mapear os IDs para os títulos de filmes reais para facilitar a leitura. O código para realizar o mapeamento é fornecido no notebook anexo.
ITEM_ID | IMERSÃO DE INGLÊS |
356 | Forrest Gump (1994) |
318 | A Redenção de Shawshank, A (1994) |
58559 | Cavaleiro das Trevas, O (2008) |
33794 | Batman Begins (2005) |
44191 | V de Vingança (2006) |
48516 | Partiu, O (2006) |
195159 | Homem-Aranha: No Verso da Aranha (2018) |
122914 | Vingadores: Guerra Infinita – Parte II (2019) |
91974 | Submundo: Despertar (2012) |
204698 | Coringa (2019) |
Obtenha recomendações de tendências
Depois de criar uma versão da solução usando o aws-trending-now
receita, o Amazon Personalize identificará os principais itens de tendência calculando o aumento nas interações que cada item tem em intervalos de tempo configuráveis. Os itens com maior taxa de aumento são considerados itens de tendência. A hora é baseada em dados de carimbo de data/hora em seu conjunto de dados de interações.
Agora vamos fornecer as interações mais recentes ao Amazon Personalize para calcular os itens de tendência. Podemos fornecer as interações mais recentes usando ingestão em tempo real criando um rastreador de eventos ou por meio de um upload de dados em massa com um trabalho de importação de conjunto de dados no modo incremental. No notebook, fornecemos um código de amostra para importar individualmente os dados de interações em tempo real mais recentes para o Amazon Personalize usando o rastreador de eventos.
Para esta postagem, forneceremos as interações mais recentes como um upload de dados em massa com um trabalho de importação de conjunto de dados no modo incremental. Use o código python abaixo para gerar interações incrementais fictícias e fazer upload dos dados de interações incrementais usando um trabalho de importação de conjunto de dados.
Geramos sinteticamente essas interações selecionando aleatoriamente alguns valores para USER_ID
e ITEM_ID
, e gerando interações entre esses usuários e itens com timestamps mais recentes. A tabela a seguir contém os selecionados aleatoriamente ITEM_ID
valores que são usados para gerar interações incrementais.
ITEM_ID | IMERSÃO DE INGLÊS |
153 | Batman para sempre (1995) |
260 | Guerra nas Estrelas: Episódio IV - Uma Nova Esperança (1977) |
1792 | Marechais dos EUA (1998) |
2363 | Godzilla (Gojira) (1954) |
2407 | Casulo (1985) |
2459 | Massacre da Serra Elétrica, O (1974) |
3948 | Conheça os pais (2000) |
6539 | Piratas do Caribe: A Maldição do Bla… |
8961 | Os Incríveis, Os (2004) |
61248 | Corrida Mortal (2008) |
Carregar os dados de interações incrementais selecionando Anexar ao conjunto de dados atual (ou use o modo incremental se estiver usando APIs), conforme mostrado no instantâneo a seguir.
Depois que a tarefa de importação do conjunto de dados de interações incrementais estiver concluída, aguarde a duração do tempo de frequência de descoberta de tendência que você configurou para que as novas recomendações sejam refletidas.
Escolha Receba recomendações na página da API da campanha para obter a lista recomendada mais recente de itens em alta.
Agora vemos a lista mais recente de itens recomendados. A tabela a seguir contém os dados após mapear os IDs para os títulos de filmes reais para facilitar a leitura. O código para realizar o mapeamento é fornecido no notebook anexo.
ITEM_ID | IMERSÃO DE INGLÊS |
260 | Guerra nas Estrelas: Episódio IV - Uma Nova Esperança (1977) |
6539 | Piratas do Caribe: A Maldição do Bla… |
153 | Batman para sempre (1995) |
3948 | Conheça os pais (2000) |
1792 | Marechais dos EUA (1998) |
2459 | Massacre da Serra Elétrica, O (1974) |
2363 | Godzilla (Gojira) (1954) |
61248 | Corrida Mortal (2008) |
8961 | Os Incríveis, Os (2004) |
2407 | Casulo (1985) |
O anterior GetRecommendations
chamada inclui os IDs dos itens recomendados. Agora vemos o ITEM_ID
os valores recomendados são do conjunto de dados de interações incrementais que fornecemos ao modelo Amazon Personalize. Isso não é surpreendente porque esses são os únicos itens que ganharam interações nos últimos 30 minutos de nosso conjunto de dados sintético.
Agora você treinou com sucesso um modelo Trending-Now para gerar recomendações de itens que estão se tornando populares entre seus usuários e adaptar as recomendações de acordo com o interesse do usuário. Daqui para frente, você pode adaptar esse código para criar outros recomendadores.
Você também pode usar filtros junto com a receita Trending-Now para diferenciar as tendências entre diferentes tipos de conteúdo, como vídeos longos e vídeos curtos, ou aplicar filtros promocionais para recomendar explicitamente itens específicos com base em regras que se alinham com suas metas de negócios.
limpar
Certifique-se de limpar todos os recursos não utilizados que você criou em sua conta seguindo as etapas descritas nesta postagem. Você pode excluir filtros, recomendações, conjuntos de dados e grupos de conjuntos de dados por meio do Console de gerenciamento da AWS ou usando o SDK do Python.
Resumo
O novo aws-trending-now
A receita do Amazon Personalize ajuda você a identificar os itens que estão se tornando populares rapidamente entre seus usuários e a adaptar suas recomendações para as tendências em rápida mudança no interesse do usuário.
Para obter mais informações sobre o Amazon Personalize, consulte o Guia do desenvolvedor do Amazon Personalize.
Sobre os autores
Vamshi Krishna Enabothala é Arquiteto Especialista em IA Aplicada Sênior na AWS. Ele trabalha com clientes de diferentes setores para acelerar dados de alto impacto, análises e iniciativas de aprendizado de máquina. Ele é apaixonado por sistemas de recomendação, NLP e áreas de visão computacional em IA e ML. Fora do trabalho, Vamshi é um entusiasta de RC, construindo equipamentos de RC (aviões, carros e drones) e também gosta de jardinagem.
Anchit Gupta é gerente de produto sênior da Amazon Personalize. Ela se concentra em fornecer produtos que facilitam a criação de soluções de aprendizado de máquina. Em seu tempo livre, ela gosta de cozinhar, jogar jogos de tabuleiro/cartas e ler.
Abhishek Mangal é engenheiro de software da Amazon Personalize e trabalha na arquitetura de sistemas de software para atender clientes em grande escala. Em seu tempo livre, ele gosta de assistir anime e acredita que 'One Piece' é a maior narrativa da história recente.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/recommend-top-trending-items-to-your-users-using-the-new-amazon-personalize-recipe/
- :é
- $UP
- 1
- 10
- 100
- 1985
- 1994
- 1996
- 1998
- 2012
- 2017
- 2018
- 2019
- 7
- a
- Sobre
- acelerar
- Segundo
- Conta
- precisão
- adaptar
- Depois de
- AI
- Todos os Produtos
- permite
- Amazon
- Amazon Customize
- entre
- analítica
- e
- Anime
- Anunciar
- api
- APIs
- app
- aplicações
- aplicado
- IA aplicada
- Aplicar
- abordagem
- se aproxima
- Aplicativos
- SOMOS
- áreas
- AS
- At
- automaticamente
- disponível
- AWS
- base
- baseado
- BE
- Porque
- tornando-se
- acredita
- abaixo
- entre
- construir
- Prédio
- negócio
- by
- calcular
- calculado
- cálculo
- chamada
- Campanha
- Campanhas
- CAN
- Pode obter
- capacidades
- capturar
- Caribe
- carros
- casas
- catálogo
- alterar
- mudança
- Escolha
- código
- colunas
- COM
- completar
- computador
- Visão de Computador
- considerado
- cônsul
- contém
- conteúdo
- contexto
- crio
- criado
- Criar
- crítico
- comissariada
- Atual
- maldição
- personalizadas
- cliente
- O envolvimento do cliente é aprimorado em uma relação direta e personalizada.
- Clientes
- dados,
- conjuntos de dados
- datetime
- dia
- Padrão
- Grau
- entregar
- entregando
- demonstrar
- Dependendo
- implantar
- desejado
- detalhe
- Developer
- desenvolvedores
- diferente
- diferenciar
- descobrir
- descoberta
- Não faz
- domínio
- Drones
- cada
- mais fácil
- facilmente
- permite
- criptografada
- COMPROMETIMENTO
- noivando
- engenheiro
- Entrar
- entusiasta
- Todo
- época
- equipamento
- avaliação
- Evento
- eventos
- Cada
- exemplo
- animado
- expectativas
- vasta experiência
- Experiências
- externo
- fatores
- mais rápido
- mais rápido
- Característica
- poucos
- Campos
- filtros
- Primeiro nome
- concentra-se
- seguido
- seguinte
- Escolha
- para sempre
- para a frente
- Frequência
- da
- cheio
- totalmente
- ganhando
- Games
- gerar
- gerado
- gerando
- ter
- dado
- Objetivos
- vai
- maior
- maior
- Grupo
- Do grupo
- Ter
- ajudar
- ajuda
- Alta
- superior
- mais
- história
- esperança
- HORÁRIO
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- http
- HTTPS
- i
- ID
- identifica
- identificar
- importar
- melhorar
- in
- incluir
- inclui
- Crescimento
- Individual
- Individualmente
- Infinity
- INFORMAÇÕES
- iniciativas
- instruções
- interação
- interações
- interesse
- interesses
- introduzido
- IT
- Unid
- Trabalho
- jpg
- Criança
- Cavaleiro
- Sobrenome
- mais recente
- aprendizagem
- Deixar
- Comprimento
- como
- Lista
- longo
- OLHARES
- Baixo
- máquina
- aprendizado de máquina
- fazer
- FAZ
- homem
- gerenciados
- de grupos
- Gerente
- obrigatório
- mapa,
- mapeamento
- Marketing
- Mídia
- mínimo
- Minutos
- desaparecido
- ML
- Moda
- modelo
- mais
- a maioria
- filme
- Filmes
- nome
- você merece...
- Novo
- notícias
- PNL
- caderno
- of
- on
- Opções
- Outros
- delineado
- lado de fora
- Paz
- página
- pandas
- parâmetro
- pais
- parte
- apaixonado
- passado
- Realizar
- significativo
- períodos
- Personalização
- Personalizar
- Personalizado
- peça
- Lugar
- platão
- Inteligência de Dados Platão
- PlatãoData
- jogar
- por favor
- pobre
- Popular
- popularidade
- Publique
- Powering
- Preparar
- anterior
- Prévio
- privado
- Produto
- gerente de produto
- Produtos
- fornecer
- fornecido
- fornecendo
- público
- compras
- Python
- Corrida
- acaso
- rapidamente
- Taxa
- classificação
- avaliações
- Leitura
- pronto
- em tempo real
- recentemente
- receita
- recomendar
- Recomendação
- recomendações
- Recomenda
- registro
- redenção
- refletida
- liberado
- substituir
- requeridos
- exige
- Recursos
- Resultados
- rever
- ascensão
- Quartos
- regras
- s
- Escala
- Sdk
- Seção
- Setores
- seguro
- selecionado
- selecionando
- senior
- servir
- serviço
- conjunto
- Baixo
- mostrar
- mostrando
- Shows
- simples
- desde
- Instantâneo
- Redes Sociais
- Software
- Engenheiro de Software
- solução
- Soluções
- alguns
- sofisticado
- especialista
- específico
- começo
- começado
- Passo
- Passos
- armazenamento
- Tanga
- entraram com sucesso
- tal
- superfície
- surpreendente
- sintético
- sinteticamente
- sistemas
- mesa
- visadas
- que
- A
- deles
- Este
- Através da
- tempo
- timestamp
- Título
- títulos
- para
- topo
- tráfego
- Trem
- treinado
- Training
- Transações
- Trend
- trending
- Tendência de Notícias
- Tendências
- tipos
- único
- unix
- não usado
- Atualizar
- usar
- caso de uso
- Utilizador
- usuários
- valor
- Valores
- variedade
- Velocidade
- versão
- via
- VÍDEOS
- visão
- vs
- esperar
- guerra
- Assistir
- relógios
- Site
- sites
- BEM
- O Quê
- qual
- enquanto
- precisarão
- de
- sem
- Atividades:
- trabalho
- Vocês
- investimentos
- zefirnet
- Zip