На базовому рівні технологія машинного навчання (ML) вивчає дані, щоб робити прогнози. Підприємства використовують свої дані за допомогою служби персоналізації на базі ML, щоб підвищити якість обслуговування клієнтів. Цей підхід дозволяє компаніям використовувати дані для отримання корисної інформації та сприяння збільшенню доходів і лояльності до бренду.
Амазонка персоналізувати прискорює вашу цифрову трансформацію за допомогою ML, спрощуючи інтеграцію персоналізованих рекомендацій у існуючі веб-сайти, програми, системи електронного маркетингу тощо. Amazon Personalize дозволяє розробникам швидко впроваджувати налаштований механізм персоналізації, не вимагаючи досвіду в ML. Amazon Personalize забезпечує необхідну інфраструктуру та керує всім конвеєром машинного навчання (ML), включаючи обробку даних, ідентифікацію функцій, використання найбільш відповідних алгоритмів, а також навчання, оптимізацію та розміщення моделей. Ви отримуєте результати через API та платите лише за те, що використовуєте, без мінімальних комісій чи попередніх зобов’язань.
Повідомлення Розробка персоналізованих рекомендацій майже в реальному часі за допомогою Amazon Personalize показує, як створювати персоналізовані рекомендації майже в реальному часі за допомогою Amazon Personalize та Спеціальні сервіси даних AWS. У цій публікації ми ознайомимо вас із довідковою реалізацією персоналізованої системи рекомендацій у реальному часі за допомогою Amazon Personalize.
Огляд рішення
Рішення для персоналізованих рекомендацій у реальному часі реалізовано за допомогою Амазонка персоналізувати, Служба простого зберігання Amazon (Amazon S3), Потоки даних Amazon Kinesis, AWS Lambda та API -шлюз Amazon.
Архітектура реалізована наступним чином:
- Підготовка даних – Почніть з створення групи набору даних, схеми та набори даних представлення ваших елементів, взаємодії та даних користувача.
- Тренуйте модель – Після імпорту даних виберіть рецепт, який відповідає вашому варіанту використання, а потім створити рішення навчати модель створення версії рішення. Коли ваша версія рішення буде готова, ви можете створити кампанію для вашої версії рішення.
- Отримуйте рекомендації майже в реальному часі – Якщо у вас є кампанія, ви можете інтегрувати виклики до кампанії у своїй програмі. Тут дзвінки до Отримати рекомендації or GetPersonalizedRanking API створено для запиту рекомендацій майже в реальному часі від Amazon Personalize.
Для отримання додаткової інформації зверніться до Розробка персоналізованих рекомендацій майже в реальному часі за допомогою Amazon Personalize.
Наступна діаграма ілюструє архітектуру рішення.
Реалізація
Ми демонструємо цю реалізацію на прикладі створення рекомендацій щодо фільмів у реальному часі для кінцевого користувача на основі їх взаємодії з базою даних фільмів протягом певного часу.
Рішення реалізується за допомогою таких кроків:
- Передумова (підготовка даних)
- Налаштуйте середовище розробки
- Розгорніть рішення
- Створіть версію рішення
- Створіть кампанію
- Створіть трекер подій
- Отримайте рекомендації
- Вживайте взаємодії в реальному часі
- Перевірте рекомендації в реальному часі
- Прибирати
Передумови
Перш ніж почати, переконайтеся, що у вас є такі передумови:
- Підготуйте дані про тренування – Підготуйте та завантажте дані до сегмента S3 за допомогою інструкції. Для цього конкретного випадку використання ви будете завантажувати дані про взаємодію та дані про елементи. Взаємодія – це подія, яку ви записуєте, а потім імпортуєте як навчальні дані. Amazon Personalize генерує рекомендації на основі даних про взаємодію, які ви імпортуєте в набір даних Interactions. Ви можете записувати кілька типів подій, наприклад клацання, перегляд або лайк. Хоча модель, створена за допомогою Amazon Personalize, може пропонувати на основі попередніх взаємодій користувача, якість цих пропозицій може бути покращена, коли модель містить дані про асоціації між користувачами або елементами. Якщо користувач дивився фільми, віднесені до категорії «Драма» в наборі даних елементів, Amazon Personalize запропонує фільми (елементи) того самого жанру.
- Налаштуйте середовище розробки - Встановлювати інтерфейс командного рядка AWS (AWS CLI).
- Налаштуйте CLI за допомогою облікового запису Amazon - Налаштуйте AWS CLI з даними вашого облікового запису AWS.
- Встановіть і завантажте AWS Cloud Development Kit (AWS CDK)
Розгорніть рішення
Щоб розгорнути рішення, виконайте такі дії:
- Клон репозиторій у нову папку на робочому столі.
- Розгортання стек у ваше середовище AWS.
Створіть версію рішення
Рішення означає поєднання рецепту Amazon Personalize, налаштованих параметрів і однієї чи кількох версій рішення (навчених моделей). Коли ви розгортаєте проект CDK на попередньому кроці, для вас автоматично створюється рішення з рецептом персоналізації користувача. Версія рішення відноситься до навченої моделі машинного навчання. Створити версія рішення для реалізації.
Створіть кампанію
У кампанії розгортається версія рішення (навчена модель) із забезпеченою транзакційною здатністю для створення рекомендацій у реальному часі. Створити кампанія для реалізації.
Створіть трекер подій
Amazon Personalize може давати рекомендації лише на основі даних про події в реальному часі, лише даних про історичні події або обох. Записуйте події в реальному часі, щоб створити дані про вашу взаємодію та дозволити Amazon Personalize вивчати останні дії вашого користувача. Це забезпечує актуальність ваших даних і покращує релевантність рекомендацій Amazon Personalize. Перш ніж записувати події, необхідно створити засіб відстеження подій. Засіб відстеження подій спрямовує нові дані про події до набору даних Interactions у вашій групі набору даних. Створіть і трекер подій для реалізації.
Отримайте рекомендації
У цьому випадку використання набір даних взаємодії складається з ідентифікаторів фільмів. Отже, рекомендації, надані користувачеві, складатимуться з ідентифікаторів фільмів, які найбільше відповідають його особистим уподобанням, визначеним на основі їх історичних взаємодій. Ви можете використовувати getRecommendations
API для отримання персоналізованих рекомендацій для користувача шляхом надсилання його пов’язаного userID
, кількість результатів для рекомендацій, які вам потрібні для користувача, а також ARN кампанії. Ви можете знайти ARN кампанії в меню консолі Amazon Personalize.
Наприклад, наступний запит отримає 5 рекомендацій для користувача, чий userId
дорівнює 429:
Відповідь на запит буде:
Елементи, які повертає виклик API, — це фільми, які Amazon Personalize рекомендує користувачеві на основі їхніх історичних взаємодій.
Значення балів, надані в цьому контексті, представляють числа з плаваючою комою в діапазоні від нуля до 1.0. Ці значення відповідають поточній кампанії та пов’язаним рецептам для цього випадку використання. Вони визначаються на основі сукупних балів, призначених усім елементам, присутнім у вашому комплексному наборі даних.
Вживайте взаємодії в реальному часі
У попередньому прикладі рекомендації були отримані для користувача з ідентифікатором 429 на основі його історичних взаємодій із базою даних фільмів. Щоб отримати рекомендації в режимі реального часу, взаємодія користувача з елементами має передаватися в Amazon Personalize у режимі реального часу. Ці взаємодії вводяться в систему рекомендацій через Amazon Personalize Відстежувач подій. Тип взаємодії, який також називають EventType
, задається однойменним стовпцем у наборі даних взаємодії (EVENT_TYPE
). У цьому прикладі події можуть бути типу «watch» або «click», але ви можете мати власні типи подій відповідно до потреб вашої програми.
У цьому прикладі відкритий API, який генерує події користувачів із елементами, отримує параметр «взаємодії», який відповідає кількості подій (interactions
) користувача (UserId
) з одним елементом (itemId
) зараз. The trackingId
Параметр можна знайти на консолі Amazon Personalize і у відповіді на створення запиту Event Tracker.
Цей приклад показує: putEvent
запит: згенеруйте 1 взаємодію типу клацання з ідентифікатором елемента «185» для ідентифікатора користувача «429», використовуючи поточну позначку часу. Зауважте, що у виробництві «sentAt» має бути встановлено на час взаємодії користувача. У наступному прикладі ми встановили цей момент часу у форматі часу епохи, коли ми написали запит API для цієї публікації. Події надсилаються до Amazon Kinesis Data Streams через шлюз API, тому вам потрібно надіслати параметри stream-name і PartitionKey.
Ви отримаєте відповідь із підтвердженням, приблизно таку:
Перевірте рекомендації в реальному часі
Оскільки набір даних взаємодії було оновлено, рекомендації оновлюватимуться автоматично з урахуванням нових взаємодій. Щоб перевірити рекомендації, оновлені в реальному часі, ви можете знову викликати getRecommendations API для того самого ідентифікатора користувача 429, і результат має відрізнятися від попереднього. Наступні результати показують нову рекомендацію з ідентифікатором 594, а рекомендації з ідентифікаторами 16, 596, 153 і 261 змінили свої бали. Ці пункти включили до п’ятірки найкращих рекомендацій новий жанр фільму («Анімація|Дитина|Драма|Фентезі|Мюзикл»).
запит:
Відповідь:
Відповідь показує, що рекомендація Amazon Personalize оновлювалася в режимі реального часу.
Прибирати
Щоб уникнути непотрібних витрат, очистіть реалізацію рішення за допомогою Очищення ресурсів.
Висновок
У цій публікації ми показали вам, як запровадити систему персоналізованих рекомендацій у реальному часі за допомогою Amazon Personalize. Взаємодії з Amazon Personalize для отримання взаємодій у реальному часі та отримання рекомендацій виконувалися за допомогою інструмента командного рядка під назвою curl, але ці виклики API можна інтегрувати в бізнес-додаток і отримати той самий результат.
Щоб вибрати новий рецепт для вашого випадку використання, зверніться до Персоналізація в режимі реального часу. Щоб оцінити вплив рекомендацій Amazon Personalize, див Вимірювання впливу рекомендацій.
Про авторів
Крістіан Маркес є старшим архітектором хмарних програм. Він має величезний досвід проектування, створення та постачання програмного забезпечення корпоративного рівня, високонавантажених і розподілених систем і хмарних додатків. Він має досвід роботи з мовами програмування backend і frontend, а також розробкою системи та впровадженням практик DevOps. Він активно допомагає клієнтам створювати та захищати інноваційні хмарні рішення, вирішуючи їхні бізнес-проблеми та досягаючи бізнес-цілей.
Ананд Командуру є старшим хмарним архітектором в AWS. Він приєднався до організації AWS Professional Services у 2021 році та допомагає клієнтам створювати хмарні програми в хмарі AWS. Він має понад 20 років досвіду створення програмного забезпечення, і його улюблений принцип керівництва Amazon:Лідери багато в чому мають рацію."
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
- PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
- ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/implement-real-time-personalized-recommendations-using-amazon-personalize/
- : має
- :є
- :де
- $UP
- 1
- 100
- 11
- 150
- 16
- 17
- 20
- 20 роки
- 200
- 2021
- 24
- 49
- 7
- 8
- a
- МЕНЮ
- прискорюється
- За
- рахунки
- досягнення
- дієвий
- активно
- діяльність
- після
- знову
- алгоритми
- вирівнювати
- ВСІ
- дозволяти
- дозволяє
- Також
- хоча
- Amazon
- Амазонський кінезіс
- Амазонка персоналізувати
- Amazon Web Services
- серед
- an
- та
- API
- Інтерфейси
- додаток
- застосування
- підхід
- відповідний
- архітектура
- ЕСТЬ
- AS
- призначений
- допомагає
- асоційований
- асоціаціях
- At
- Спроби
- автоматично
- уникнути
- AWS
- Професійні послуги AWS
- Backend
- заснований
- основний
- BE
- було
- перед тим
- між
- Bootstrap
- обидва
- марка
- приніс
- будувати
- Створюємо
- бізнес
- підприємства
- але
- by
- call
- званий
- Виклики
- Кампанія
- CAN
- потужність
- випадок
- змінилися
- вантажі
- Вибирати
- очистити
- клацання
- тісно
- хмара
- Collective
- Колонка
- поєднання
- зобов'язань
- складається
- всеосяжний
- підтвердження
- Отже
- Вважати
- Консоль
- контекст
- відповідає
- створювати
- створений
- створення
- Поточний
- клієнт
- Досвід клієнтів
- Клієнти
- налаштувати
- дані
- Підготовка даних
- Database
- надання
- демонструвати
- розгортання
- розгортає
- дрейф
- дизайн
- проектування
- робочий стіл
- певний
- розробників
- розробка
- різний
- цифровий
- цифрове перетворення
- прямий
- розподілений
- розподілені системи
- do
- Драма
- легше
- елемент
- ПОВЕРНЕНО
- Маркетинг по електронній пошті
- дозволяє
- кінець
- зайнятий
- двигун
- підвищена
- рівень підприємства
- Весь
- Навколишнє середовище
- епоха
- Event
- Події
- приклад
- виконано
- існуючий
- досвід
- експертиза
- піддаватися
- Улюблений
- риси
- Інформація про оплату
- знайти
- після
- слідує
- для
- формат
- знайдений
- свіжий
- від
- Frontend
- шлюз
- породжувати
- генерує
- породжує
- жанр
- отримати
- даний
- Цілі
- Group
- Рости
- Мати
- he
- допомога
- допомагає
- Високий
- його
- історичний
- хостинг
- Як
- How To
- HTML
- HTTPS
- ID
- ідентифікує
- ідентифікатори
- if
- ілюструє
- Impact
- здійснювати
- реалізація
- реалізовані
- імпорт
- імпорт
- поліпшується
- in
- У тому числі
- інформація
- Інфраструктура
- інноваційний
- розуміння
- інтегрувати
- інтегрований
- взаємодія
- Взаємодії
- інтерфейс
- в
- IT
- пунктів
- ЙОГО
- приєднався
- JPG
- тримає
- Потоки даних Kinesis
- мови
- Керівництво
- УЧИТЬСЯ
- вивчення
- вчиться
- рівень
- як
- Лінія
- загрузка
- серія
- Лояльність
- машина
- навчання за допомогою машини
- made
- зробити
- Робить
- управляє
- Маркетинг
- узгодження
- вимір
- Меню
- повідомлення
- мінімальний
- ML
- модель
- Моделі
- більше
- найбільш
- фільм
- кіно
- множинний
- повинен
- ім'я
- рідний
- Близько
- необхідно
- Необхідність
- потреби
- Нові
- немає
- зараз
- номер
- номера
- отриманий
- of
- on
- ONE
- тільки
- оптимізуючий
- or
- організація
- з
- Результат
- над
- власний
- параметр
- параметри
- приватність
- Минуле
- Платити
- персонал
- Втілення
- Уособлювати
- Персоналізовані
- трубопровід
- plato
- Інформація про дані Платона
- PlatoData
- точка
- володіє
- пошта
- практики
- Прогнози
- переваги
- підготовка
- Готувати
- передумови
- представити
- представлений
- попередній
- в першу чергу
- принцип
- проблеми
- обробка
- Production
- професійний
- Програмування
- мови програмування
- проект
- за умови
- якість
- швидко
- діапазон
- готовий
- реального часу
- отримати
- отримує
- останній
- рецепт
- Рекомендація
- рекомендації
- рекомендує
- запис
- послатися
- посилання
- відноситься
- актуальність
- Сховище
- представляти
- представляє
- запросити
- відповідь
- результат
- результати
- revenue
- право
- то ж
- рахунок
- безпечний
- послати
- відправка
- старший
- посланий
- обслуговування
- Послуги
- комплект
- Повинен
- Показувати
- показав
- Шоу
- аналогічний
- простий
- один
- Софтвер
- рішення
- Рішення
- Розв’язування
- стек
- старт
- почалася
- Крок
- заходи
- зберігання
- потоки
- Успішно
- такі
- пропонувати
- Переконайтеся
- система
- Systems
- Технологія
- Що
- Команда
- їх
- потім
- Ці
- вони
- це
- через
- час
- відмітка часу
- до
- інструмент
- топ
- топ 5
- поїзд
- навчений
- Навчання
- угода
- Перетворення
- тип
- Типи
- непотрібний
- оновлений
- Завантаження
- використання
- використання випадку
- користувач
- користувачі
- використання
- ПЕРЕВІР
- Цінності
- величезний
- версія
- версії
- ходити
- було
- годинник
- we
- Web
- веб-сервіси
- веб-сайти
- ДОБРЕ
- були
- Що
- коли
- який
- чий
- чому
- волі
- з
- без
- пише
- років
- Ти
- вашу
- зефірнет
- нуль