Amazonska prilagoditev z veseljem oznanja novo Trending-Trenutno recept, ki vam pomaga priporočiti predmete, ki najhitreje pridobivajo na priljubljenosti med vašimi uporabniki.
Amazon Personalize je popolnoma upravljana storitev strojnega učenja (ML), ki razvijalcem olajša zagotavljanje prilagojenih izkušenj svojim uporabnikom. Omogoča vam, da izboljšate sodelovanje strank, tako da omogočite prilagojena priporočila za izdelke in vsebino na spletnih mestih, v aplikacijah in ciljnih marketinških akcijah. Začnete lahko brez kakršnih koli predhodnih izkušenj z ML z uporabo API-jev za preprosto izgradnjo prefinjenih zmogljivosti personalizacije v nekaj klikih. Vsi vaši podatki so šifrirani, da so zasebni in varni, in se uporabljajo samo za ustvarjanje priporočil za vaše uporabnike.
Interesi uporabnikov se lahko spreminjajo na podlagi različnih dejavnikov, kot so zunanji dogodki ali interesi drugih uporabnikov. Bistvenega pomena je, da spletna mesta in aplikacije prilagodijo svoja priporočila tem spreminjajočim se interesom, da izboljšajo sodelovanje uporabnikov. Z aplikacijo Trending-Now lahko prikažete elemente iz svojega kataloga, katerih priljubljenost narašča hitreje kot drugi elementi, kot so trendovske novice, priljubljena družabna vsebina ali na novo izdani filmi. Amazon Personalize išče predmete, katerih priljubljenost narašča hitreje kot drugi izdelki iz kataloga, da uporabnikom pomaga odkriti predmete, ki pritegnejo njihove vrstnike. Amazon Personalize vam prav tako omogoča, da določite časovna obdobja, v katerih se trendi izračunajo glede na njihov edinstven poslovni kontekst, z možnostmi za vsakih 30 minut, 1 uro, 3 ure ali 1 dan, na podlagi najnovejših podatkov o interakcijah uporabnikov.
V tej objavi pokažemo, kako uporabiti ta novi recept, da svojim uporabnikom priporočite najbolj priljubljene izdelke.
Pregled rešitev
Trending-Now identificira najbolj priljubljene elemente z izračunom povečanja interakcij, ki jih ima vsak element v nastavljivih časovnih intervalih. Elementi z najvišjo stopnjo povečanja veljajo za trendne elemente. Čas temelji na podatkih o časovnem žigu v vašem naboru podatkov o interakcijah. Časovni interval lahko določite tako, da podate pogostost odkrivanja trendov, ko ustvarite svojo rešitev.
Recept Trending-Now zahteva nabor podatkov o interakcijah, ki vsebuje zapis posameznih uporabnikov in dogodkov elementov (kot so kliki, ogledi ali nakupi) na vašem spletnem mestu ali v aplikaciji skupaj s časovnimi žigi dogodkov. Lahko uporabite parameter Pogostost odkrivanja trendov za določitev časovnih intervalov, v katerih se izračunajo in osvežijo trendi. Na primer, če imate spletno mesto z velikim obiskom in hitro spreminjajočimi se trendi, lahko določite 30 minut kot pogostost odkrivanja trendov. Amazon Personalize vsakih 30 minut pregleda interakcije, ki so bile uspešno zaužite, in osveži priljubljene elemente. Ta recept vam prav tako omogoča, da zajamete in prikažete kakršno koli novo vsebino, ki je bila uvedena v zadnjih 30 minutah in je bila deležna večjega zanimanja vaše baze uporabnikov kot kateri koli že obstoječi artikli kataloga. Za vse vrednosti parametrov, ki so daljše od 2 ur, Amazon Personalize samodejno osveži priporočila trendnih elementov vsaki 2 uri, da upošteva nove interakcije in nove elemente.
Nabori podatkov, ki imajo nizek promet, vendar uporabljajo 30-minutno vrednost, lahko vidijo slabo točnost priporočil zaradi redkih ali manjkajočih podatkov o interakcijah. Recept Trending-Now zahteva, da zagotovite podatke o interakciji za vsaj dve pretekli časovni obdobji (to časovno obdobje je vaša želena pogostost odkrivanja trendov). Če podatki o interakciji ne obstajajo za zadnji 2 časovni obdobji, bo Amazon Personalize priljubljene elemente nadomestil s priljubljenimi izdelki, dokler ne bo na voljo zahtevani minimum podatkov.
Recept Trending-Now je na voljo tako za skupine naborov podatkov po meri kot tudi za skupine naborov podatkov domene za video na zahtevo. V tej objavi prikazujemo, kako prilagoditi svoja priporočila za hitro spreminjajoče se trende zanimanja uporabnikov s to novo funkcijo Trending-Now za primer uporabe medijev s skupino nabora podatkov po meri. Naslednji diagram prikazuje potek dela rešitve.
Na primer, v aplikacijah za video na zahtevo lahko to funkcijo uporabite za prikaz priljubljenih filmov v zadnji 1 uri, tako da določite 1 uro za pogostost odkrivanja trendov. Za vsako 1 uro podatkov Amazon Personalize identificira elemente z največjo stopnjo povečanja interakcij od zadnje ocene. Razpoložljive frekvence vključujejo 30 minut, 1 uro, 3 ure in 1 dan.
Predpogoji
Če želite uporabiti recept Trending-Now, morate najprej nastaviti vire Amazon Personalize na konzoli Amazon Personalize. Ustvarite svojo skupino nabora podatkov, uvozite svoje podatke, usposobite različico rešitve in uvedite oglaševalsko akcijo. Za popolna navodila glejte Prvi koraki.
Za to objavo smo sledili pristopu konzole za uvedbo kampanje z uporabo novega recepta Trending-Now. Lahko pa zgradite celotno rešitev s pristopom SDK s tem prenosnik. Za oba pristopa uporabljamo Javni nabor podatkov MovieLens.
Pripravite nabor podatkov
Izvedite naslednje korake za pripravo nabora podatkov:
- Ustvarite skupino nabora podatkov.
- Ustvarite nabor podatkov o interakcijah z naslednjim shema:
- Uvozite podatke o interakcijah v Amazon Personalize iz Preprosta storitev shranjevanja Amazon (Amazon S3).
Za podatke o interakcijah uporabljamo zgodovino ocen iz nabora podatkov o pregledih filmov, MovieLens.
Uporabite spodnjo kodo python za pripravo nabora podatkov o interakcijah iz javnega nabora podatkov MovieLens.
O MovieLens
nabor podatkov vsebuje user_id
, rating
, item_id
, interakcije med uporabniki in elementi ter čas, ko je ta interakcija potekala (časovni žig, ki je podan kot čas epohe UNIX). Nabor podatkov vsebuje tudi informacije o naslovu filma za preslikavo ID-ja filma v dejanski naslov in žanre. Naslednja tabela je vzorec nabora podatkov.
UPORABNIŠKO IME | ITEM_ID | TIMESTAMP | NASLOV | ŽANRI |
116927 | 1101 | 1105210919 | Top Gun (1986) podnapisi - zvlecite podnapise | Akcija | Romantika |
158267 | 719 | 974847063 | Multiplicity (1996) | Komedija |
55098 | 186871 | 1526204585 | Heal (2017) | Dokumentarni |
159290 | 59315 | 1485663555 | Železni mož (2008) | Akcija|Pustolovščina|Znanstvena fantastika |
108844 | 34319 | 1428229516 | Otok, The (2005) | Akcijski|Znanstvena fantastika|Triler |
85390 | 2916 | 953264936 | Poklic v celoti (1990) | Akcijski|Pustolovski|Znanstvena fantastika|Triler |
103930 | 18 | 839915700 | Štiri sobe (1995) | Komedija |
104176 | 1735 | 985295513 | Velika pričakovanja (1998) | Drama | Romantika |
97523 | 1304 | 1158428003 | Butch Cassidy in Sundance Kid (1969) | Akcija | vestern |
87619 | 6365 | 1066077797 | Matrix Reloaded, The (2003) | Akcija|Pustolovščina|Znanstvena fantastika|Triler|IMAX |
Izbrani nabor podatkov vključuje USER_ID
, ITEM_ID
(ID filma) in TIMESTAMP
za usposabljanje modela Amazon Personalize. To so obvezna zahtevana polja za usposabljanje modela z receptom Trending-Now. Naslednja tabela je vzorec kuriranega nabora podatkov.
UPORABNIŠKO IME | 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 |
Usposobi model
Ko je opravilo uvoza nabora podatkov končano, ste pripravljeni na usposabljanje svojega modela.
- o rešitve izberite jeziček Ustvari rešitev.
- Izberite
new aws-trending-now
recept. - v Napredna konfiguracija odsek, set Pogostost odkrivanja trendov do 30 minut.
- Izberite Ustvari rešitev začeti trenirati.
Ustvarite akcijo
V storitvi Amazon Personalize uporabite kampanjo za pripravo priporočil za svoje uporabnike. V tem koraku ustvarite oglaševalsko akcijo z rešitvijo, ki ste jo ustvarili v prejšnjem koraku, in dobite priporočila Trending-Now:
- o Kampanje izberite jeziček Ustvari oglaševalsko akcijo.
- za Ime oglaševalske akcije, vnesite ime.
- za Rešitev, izberite rešitev
trending-now-solution
. - za ID različice rešitve, izberite različico rešitve, ki uporablja
aws-trending-now
recept. - za Najmanjše število omogočenih transakcij na sekundo, pustite privzeto vrednost.
- Izberite Ustvari oglaševalsko akcijo da začnete ustvarjati oglaševalsko akcijo.
Pridobite priporočila
Ko ustvarite ali posodobite svojo oglaševalsko akcijo, lahko dobite priporočen seznam elementov, ki so v trendu, razvrščenih od najvišjega do najnižjega. V kampanji (trending-now-campaign
) API za personalizacijo izberite jeziček Pridobite priporočila.
Naslednji posnetek zaslona prikazuje stran s podrobnostmi o oglaševalskih akcijah z rezultati iz GetRecommendations
klic, ki vključuje priporočene elemente in ID priporočila.
Rezultati iz GetRecommendations
klic vključuje ID-je priporočenih predmetov. Naslednja tabela je vzorec po preslikavi ID-jev v dejanske naslove filmov za berljivost. Koda za izvedbo preslikave je na voljo v priloženem zvezku.
ITEM_ID | NASLOV |
356 | Forest Gump (1994) podnapisi - zvlecite podnapise |
318 | Shawshank Redemption, The (1994) |
58559 | Temni vitez (2008) |
33794 | Batman se začne (2005) |
44191 | V za Vendetto (2006) |
48516 | Odšel, The (2006) |
195159 | Spider-Man: Into the Spider-Verse (2018) |
122914 | Avengers: Infinity War – Part II (2019) |
91974 | Podzemlje: Prebujenje (2012) |
204698 | Joker (2019) |
Pridobite priljubljena priporočila
Ko ustvarite različico rešitve z uporabo aws-trending-now
receptu, bo Amazon Personalize identificiral najbolj priljubljene izdelke z izračunom povečanja interakcij, ki jih ima vsak izdelek v nastavljivih časovnih intervalih. Elementi z najvišjo stopnjo povečanja veljajo za trendne elemente. Čas temelji na podatkih o časovnem žigu v vašem naboru podatkov o interakcijah.
Zdaj pa ponudimo najnovejše interakcije v Amazon Personalize za izračun priljubljenih elementov. Zagotovimo lahko najnovejše interakcije z uporabo vnosa v realnem času, tako da ustvarimo sledilnik dogodkov ali prek množičnega nalaganja podatkov z opravilom uvoza nabora podatkov v inkrementalnem načinu. V zvezku smo zagotovili vzorčno kodo za posamezen uvoz najnovejših podatkov o interakcijah v realnem času v Amazon Personalize z uporabo sledilnika dogodkov.
Za to objavo bomo zagotovili najnovejše interakcije kot množično nalaganje podatkov z opravilom uvoza nabora podatkov v inkrementalnem načinu. Prosimo, uporabite spodnjo kodo python za ustvarjanje navideznih inkrementalnih interakcij in nalaganje podatkov o inkrementalnih interakcijah z uvozno nalogo nabora podatkov.
Te interakcije smo sintetično ustvarili tako, da smo naključno izbrali nekaj vrednosti za USER_ID
in ITEM_ID
in ustvarjanje interakcij med temi uporabniki in elementi z najnovejšimi časovnimi žigi. Naslednja tabela vsebuje naključno izbrane ITEM_ID
vrednosti, ki se uporabljajo za generiranje inkrementalnih interakcij.
ITEM_ID | NASLOV |
153 | Batman za vedno (1995) |
260 | Vojna zvezd: Epizoda IV – Novo upanje (1977) |
1792 | Maršali ZDA (1998) |
2363 | Godzilla (Gojira) (1954) |
2407 | Kokon (1985) |
2459 | Texas Chainsaw Massacre, The (1974) |
3948 | Spoznaj starše (2000) |
6539 | Pirati s Karibov: Prekletstvo Bla… |
8961 | Neverjetni, The (2004) |
61248 | Smrtna dirka (2008) |
Naložite podatke o inkrementalnih interakcijah z izbiro Pripni trenutnemu naboru podatkov (ali uporabite inkrementalni način, če uporabljate API-je), kot je prikazano na naslednjem posnetku.
Ko je opravilo uvoza nabora podatkov o inkrementalnih interakcijah končano, počakajte, da se odražajo dolžina časa frekvence odkrivanja trenda, ki ste jo konfigurirali, da se odražajo nova priporočila.
Izberite Pridobite priporočila na strani API-ja oglaševalske akcije, da dobite najnovejši priporočeni seznam elementov, ki so v trendu.
Zdaj vidimo najnovejši seznam priporočenih predmetov. Naslednja tabela vsebuje podatke po preslikavi ID-jev v dejanske naslove filmov za berljivost. Koda za izvedbo preslikave je na voljo v priloženem zvezku.
ITEM_ID | NASLOV |
260 | Vojna zvezd: Epizoda IV – Novo upanje (1977) |
6539 | Pirati s Karibov: Prekletstvo Bla… |
153 | Batman za vedno (1995) |
3948 | Spoznaj starše (2000) |
1792 | Maršali ZDA (1998) |
2459 | Texas Chainsaw Massacre, The (1974) |
2363 | Godzilla (Gojira) (1954) |
61248 | Smrtna dirka (2008) |
8961 | Neverjetni, The (2004) |
2407 | Kokon (1985) |
Predhodni GetRecommendations
klic vključuje ID-je priporočenih predmetov. Zdaj vidimo, ITEM_ID
priporočene vrednosti so iz nabora podatkov o inkrementalnih interakcijah, ki smo jih posredovali modelu Amazon Personalize. To ni presenetljivo, saj so to edini elementi, ki so pridobili interakcije v zadnjih 30 minutah iz našega sintetičnega nabora podatkov.
Zdaj ste uspešno usposobili model Trending-Now za ustvarjanje priporočil za izdelke, ki postajajo priljubljeni pri vaših uporabnikih, in prilagajanje priporočil glede na zanimanje uporabnikov. V prihodnje lahko to kodo prilagodite za ustvarjanje drugih priporočevalcev.
Vous uporaba pouvez aussi Filtri skupaj z receptom Trending-Now za razlikovanje med trendi med različnimi vrstami vsebine, kot so dolgi in kratki videoposnetki, ali uporabo promocijski filtri da izrecno priporočite določene elemente na podlagi pravil, ki so v skladu z vašimi poslovnimi cilji.
Čiščenje
Prepričajte se, da ste počistili vse neuporabljene vire, ki ste jih ustvarili v svojem računu, medtem ko sledite korakom, opisanim v tej objavi. Filtre, priporočila, nabore podatkov in skupine naborov podatkov lahko izbrišete prek Konzola za upravljanje AWS ali z uporabo Python SDK.
Povzetek
Novi aws-trending-now
recept Amazon Personalize vam pomaga prepoznati elemente, ki hitro postajajo priljubljeni pri vaših uporabnikih, in prilagoditi svoja priporočila za hitro spreminjajoče se trende zanimanja uporabnikov.
Za več informacij o storitvi Amazon Personalize glejte Priročnik za razvijalce Amazon Personalize.
O avtorjih
Vamshi Krishna Enabothala je starejši arhitekt specialist za umetno inteligenco pri AWS. Sodeluje s strankami iz različnih sektorjev, da bi pospešil pobude za podatke, analitiko in strojno učenje z velikim vplivom. Navdušen je nad sistemi priporočil, NLP in področji računalniškega vida v AI in ML. Zunaj službe je Vamshi navdušenec nad RC, sestavlja RC opremo (letala, avtomobile in brezpilotna letala), uživa pa tudi v vrtnarjenju.
Anchit Gupta je višji produktni vodja za Amazon Personalize. Osredotoča se na zagotavljanje izdelkov, ki olajšajo izdelavo rešitev za strojno učenje. V prostem času rada kuha, igra družabne igre/igre s kartami in bere.
Abhishek Mangal je programski inženir za Amazon Personalize in dela na arhitekturi sistemov programske opreme za storitve strankam v velikem obsegu. V prostem času rad gleda anime in verjame, da je 'One Piece' največja pripovedovalska zgodba v novejši zgodovini.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/recommend-top-trending-items-to-your-users-using-the-new-amazon-personalize-recipe/
- : je
- $GOR
- 1
- 10
- 100
- 1985
- 1994
- 1996
- 1998
- 2012
- 2017
- 2018
- 2019
- 7
- a
- O meni
- pospeši
- Po
- Račun
- natančnost
- prilagodijo
- po
- AI
- vsi
- omogoča
- Amazon
- Amazonska prilagoditev
- med
- analitika
- in
- anime
- Objavi
- API
- API-ji
- aplikacija
- aplikacije
- uporabna
- Uporabljena AI
- Uporabi
- pristop
- pristopi
- aplikacije
- SE
- območja
- AS
- At
- samodejno
- Na voljo
- AWS
- baza
- temeljijo
- BE
- ker
- postajajo
- meni
- spodaj
- med
- izgradnjo
- Building
- poslovni
- by
- izračun
- izračuna
- izračun
- klic
- Akcija
- Kampanje
- CAN
- Lahko dobiš
- Zmogljivosti
- zajemanje
- Caribbean
- avtomobili
- primeru
- Katalog
- spremenite
- spreminjanje
- Izberite
- Koda
- Stolpci
- COM
- dokončanje
- računalnik
- Računalniška vizija
- šteje
- Konzole
- Vsebuje
- vsebina
- ozadje
- ustvarjajo
- ustvaril
- Ustvarjanje
- kritično
- kurirano
- Trenutna
- preklinjam
- po meri
- stranka
- Angažiranje strank
- Stranke, ki so
- datum
- nabor podatkov
- Datum čas
- dan
- privzeto
- Stopnja
- poda
- dostavo
- izkazati
- Odvisno
- razporedi
- želeno
- Podatki
- Razvojni
- Razvijalci
- drugačen
- razlikovati
- odkriti
- Odkritje
- Ne
- domena
- Brezpilotna letala
- vsak
- lažje
- enostavno
- omogoča
- šifriran
- sodelovanje
- angažiran
- inženir
- Vnesite
- navdušenec
- Celotna
- epoha
- oprema
- Ocena
- Event
- dogodki
- Tudi vsak
- Primer
- razburjen
- pričakovanja
- izkušnje
- Doživetja
- zunanja
- dejavniki
- hitreje
- Najhitreje
- Feature
- Nekaj
- Področja
- Filtri
- prva
- Osredotoča
- sledili
- po
- za
- za vedno
- Naprej
- frekvenca
- iz
- polno
- v celoti
- pridobivanje
- Games
- ustvarjajo
- ustvarila
- ustvarjajo
- dobili
- dana
- Cilji
- dogaja
- več
- Največji
- skupina
- Skupine
- Imajo
- pomoč
- Pomaga
- visoka
- več
- najvišja
- zgodovina
- upam,
- URE
- Kako
- Kako
- HTML
- http
- HTTPS
- i
- ID
- identificira
- identificirati
- uvoz
- izboljšanje
- in
- vključujejo
- vključuje
- Povečajte
- individualna
- Posamezno
- neskončnost
- Podatki
- pobud
- Navodila
- interakcije
- interakcije
- obresti
- interesi
- Uvedeno
- IT
- Izdelkov
- Job
- jpg
- Kid
- Knight
- Zadnja
- Zadnji
- učenje
- pustite
- dolžina
- kot
- Seznam
- Long
- POGLEDI
- nizka
- stroj
- strojno učenje
- Znamka
- IZDELA
- moški
- upravlja
- upravljanje
- upravitelj
- obvezna
- map
- kartiranje
- Trženje
- mediji
- minimalna
- Minute
- manjka
- ML
- način
- Model
- več
- Najbolj
- Film
- filmi
- Ime
- Nimate
- Novo
- novice
- nlp
- prenosnik
- of
- on
- možnosti
- Ostalo
- opisano
- zunaj
- Pace
- Stran
- pand
- parameter
- Starši
- del
- strastno
- preteklosti
- Izvedite
- Obdobje
- obdobja
- personalizacija
- prilagodite
- Prilagojene
- kos
- Kraj
- platon
- Platonova podatkovna inteligenca
- PlatoData
- igranje
- prosim
- slaba
- Popular
- Priljubljenost
- Prispevek
- Napajanje
- Pripravimo
- prejšnja
- Predhodna
- zasebna
- Izdelek
- produktni vodja
- Izdelki
- zagotavljajo
- če
- zagotavljanje
- javnega
- nakupi
- Python
- Dirka
- naključno
- hitro
- Oceniti
- ocena
- ocen
- reading
- pripravljen
- v realnem času
- nedavno
- Recept
- Priporočamo
- Priporočilo
- Priporočila
- priporočeno
- zapis
- odkup
- odsevalo
- sprosti
- zamenjajte
- obvezna
- zahteva
- viri
- Rezultati
- pregleda
- narašča
- Sobe
- pravila
- s
- Lestvica
- SDK
- Oddelek
- Sektorji
- zavarovanje
- izbran
- izbiranje
- višji
- služijo
- Storitev
- nastavite
- Kratke Hlače
- Prikaži
- pokazale
- Razstave
- Enostavno
- saj
- Posnetek
- socialna
- Software
- Software Engineer
- Rešitev
- rešitve
- nekaj
- prefinjeno
- specialist
- specifična
- Začetek
- začel
- Korak
- Koraki
- shranjevanje
- String
- Uspešno
- taka
- Površina
- presenetljivo
- sintetična
- sintetično
- sistemi
- miza
- ciljno
- da
- O
- njihove
- te
- skozi
- čas
- Časovni žig
- Naslov
- naslove
- do
- vrh
- Prometa
- Vlak
- usposobljeni
- usposabljanje
- Transakcije
- Trend
- trending
- Trending News
- Trends
- Vrste
- edinstven
- unix
- neuporabljeno
- Nadgradnja
- uporaba
- primeru uporabe
- uporabnik
- Uporabniki
- vrednost
- Vrednote
- raznolikost
- VeloCity
- različica
- preko
- Video posnetki
- Vizija
- vs
- Počakaj
- vojna
- Watch
- ure
- Spletna stran
- spletne strani
- Dobro
- Kaj
- ki
- medtem
- bo
- z
- brez
- delo
- deluje
- Vi
- Vaša rutina za
- zefirnet
- Zip