Амазонка персоналізувати з радістю повідомляє про нове Популярні зараз рецепт, який допоможе вам рекомендувати товари, які найшвидше набувають популярності серед ваших користувачів.
Amazon Personalize — це повністю керована служба машинного навчання (ML), яка дозволяє розробникам легко надавати користувачам персоналізований досвід. Це дає змогу покращити взаємодію з клієнтами, надаючи персоналізовані рекомендації щодо продуктів і вмісту на веб-сайтах, у програмах і цільових маркетингових кампаніях. Ви можете розпочати без будь-якого попереднього досвіду ML, використовуючи API, щоб легко створювати складні можливості персоналізації за кілька кліків. Усі ваші дані зашифровано, щоб бути приватними та безпечними, і використовуються лише для створення рекомендацій для ваших користувачів.
Інтереси користувачів можуть змінюватися залежно від різноманітних факторів, наприклад зовнішніх подій або інтересів інших користувачів. Дуже важливо, щоб веб-сайти та програми адаптували свої рекомендації до цих мінливих інтересів, щоб покращити залучення користувачів. За допомогою Trending-Now ви можете показувати елементи зі свого каталогу, популярність яких зростає швидше, ніж інші елементи, наприклад, популярні новини, популярний соціальний вміст або нещодавно випущені фільми. Amazon Personalize шукає товари, популярність яких зростає швидше, ніж інші елементи каталогу, щоб допомогти користувачам знайти товари, які залучають їхніх колег. Amazon Personalize також дозволяє визначати періоди часу, за які обчислюються тенденції залежно від унікального бізнес-контексту, з варіантами кожні 30 хвилин, 1 годину, 3 години або 1 день на основі останніх даних про взаємодію користувачів.
У цій публікації ми покажемо, як використовувати цей новий рецепт, щоб рекомендувати своїм користувачам найпопулярніші продукти.
Огляд рішення
Trending-Now визначає найпопулярніші елементи, підраховуючи збільшення кількості взаємодій, які кожен елемент має протягом настроюваних інтервалів часу. Предмети з найвищим темпом зростання вважаються популярними. Час засновано на даних позначки часу в наборі даних про вашу взаємодію. Ви можете вказати часовий інтервал, задавши частоту виявлення тенденції під час створення рішення.
Рецепт Trending-Now вимагає набору даних про взаємодію, який містить записи окремих користувачів і подій елементів (наприклад, кліків, переглядів або покупок) на вашому веб-сайті чи в додатку разом із часовими мітками подій. Ви можете використовувати параметр Частота виявлення тенденції щоб визначити часові інтервали, протягом яких тренди обчислюються та оновлюються. Наприклад, якщо у вас веб-сайт із високим трафіком і тенденціями, які швидко змінюються, ви можете вказати 30 хвилин як частоту виявлення тенденцій. Кожні 30 хвилин Amazon Personalize переглядає успішно використані взаємодії та оновлює популярні елементи. Цей рецепт також дозволяє вам отримувати та виводити на поверхню будь-який новий вміст, який був представлений протягом останніх 30 хвилин і який викликав більший інтерес у вашої бази користувачів, ніж будь-які попередні елементи каталогу. Для будь-яких значень параметрів, які перевищують 2 години, Amazon Personalize автоматично оновлює рекомендації популярних товарів кожні 2 години, щоб врахувати нові взаємодії та нові елементи.
Набори даних, які мають низький трафік, але використовують 30-хвилинне значення, можуть бачити низьку точність рекомендацій через рідкі або відсутні дані про взаємодії. Рецепт Trending-Now вимагає, щоб ви надали дані взаємодії принаймні за два минулих періоди часу (цей період часу є вашою бажаною частотою виявлення тенденції). Якщо немає даних про взаємодію за останні 2 періоди часу, Amazon Personalize замінить популярні елементи на популярні, доки не буде доступний необхідний мінімум даних.
Рецепт Trending-Now доступний як для користувацьких груп наборів даних, так і для груп доменних наборів даних відео на вимогу. У цій публікації ми демонструємо, як адаптувати ваші рекомендації до швидкозмінних тенденцій інтересу користувачів за допомогою цієї нової функції Trending-Now для сценарію використання медіа з групою спеціального набору даних. Наступна діаграма ілюструє робочий процес рішення.
Наприклад, у програмах відео на вимогу ви можете використовувати цю функцію, щоб показати, які фільми популярні за останню 1 годину, вказавши 1 годину для частоти виявлення тенденції. Для кожної 1 години даних Amazon Personalize визначає елементи з найбільшою швидкістю збільшення взаємодії з часу останньої оцінки. Доступні частоти: 30 хвилин, 1 година, 3 години та 1 день.
Передумови
Щоб скористатися рецептом Trending-Now, спочатку потрібно налаштувати ресурси Amazon Personalize на консолі Amazon Personalize. Створіть свою групу набору даних, імпортуйте свої дані, навчіть версію рішення та розгорніть кампанію. Повні інструкції див Приступаючи до роботи.
Для цієї публікації ми дотримувалися консольного підходу для розгортання кампанії за новим рецептом Trending-Now. Крім того, ви можете створити все рішення за допомогою підходу SDK із цим наданим ноутбук. Для обох підходів ми використовуємо Публічний набір даних MovieLens.
Підготуйте набір даних
Щоб підготувати набір даних, виконайте наведені нижче дії.
- Створіть групу набору даних.
- Створіть набір даних взаємодії, використовуючи наступне схема:
- Імпортуйте дані про взаємодію до Amazon Personalize з Служба простого зберігання Amazon (Amazon S3).
Для даних про взаємодію ми використовуємо історію оцінок із набору даних оглядів фільмів MovieLens.
Будь ласка, використовуйте наведений нижче код Python, щоб підібрати набір даних про взаємодії з загальнодоступного набору даних MovieLens.
Команда MovieLens
набір даних містить user_id
, rating
, item_id
, взаємодії між користувачами та елементами, а також час, коли відбулася ця взаємодія (мітка часу, яка надається як час епохи UNIX). Набір даних також містить інформацію про назву фільму для зіставлення ідентифікатора фільму з фактичною назвою та жанрами. Наступна таблиця є зразком набору даних.
ІДЕНТИФІКАТОР КОРИСТУВАЧА | ITEM_ID | ГРАФІК | TITLE | ЖАНРИ |
116927 | 1101 | 1105210919 | Кращий стрілець (1986) | Бойовик|Романтика |
158267 | 719 | 974847063 | Множинність (1996) | Комедія |
55098 | 186871 | 1526204585 | Лікуй (2017) | Документальний фільм |
159290 | 59315 | 1485663555 | Залізна людина (2008) | Бойовик|Пригоди|Наукова фантастика |
108844 | 34319 | 1428229516 | Острів (2005) | Бойовик|Наукова фантастика|Трилер |
85390 | 2916 | 953264936 | Повне відкликання (1990) | Бойовик|Пригоди|Наукова фантастика|Трилер |
103930 | 18 | 839915700 | Чотири кімнати (1995) | Комедія |
104176 | 1735 | 985295513 | Великі очікування (1998) | Драма|Мелодрама |
97523 | 1304 | 1158428003 | Бутч Кессіді і Санденс Кід (1969) | Бойовик|Вестерн |
87619 | 6365 | 1066077797 | Матриця: перезавантаження (2003) | Бойовик|Пригоди|Наукова фантастика|Трилер|IMAX |
Підібраний набір даних включає USER_ID
, ITEM_ID
(ідентифікатор фільму) і TIMESTAMP
для навчання моделі Amazon Personalize. Це обов’язкові поля для навчання моделі за рецептом Trending-Now. Наведена нижче таблиця є зразком підібраного набору даних.
ІДЕНТИФІКАТОР КОРИСТУВАЧА | ITEM_ID | ГРАФІК |
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 |
Тренуйте модель
Після завершення завдання імпорту набору даних ви готові до навчання своєї моделі.
- на Рішення вкладку, виберіть Створіть рішення.
- Виберіть
new aws-trending-now
рецепт. - У Розширена конфігурація розділ, комплект Частота виявлення тенденції до 30 хв.
- Вибирати Створіть рішення щоб почати навчання.
Створіть кампанію
У Amazon Personalize ви використовуєте кампанію, щоб надавати рекомендації своїм користувачам. На цьому кроці ви створюєте кампанію за допомогою рішення, створеного на попередньому кроці, і отримуєте рекомендації «Популярні зараз»:
- на Кампанії вкладку, виберіть Створити кампанію.
- для Назва кампанії, введіть ім'я.
- для рішення, виберіть рішення
trending-now-solution
. - для Ідентифікатор версії рішення, виберіть версію рішення, яка використовує
aws-trending-now
рецепт. - для Мінімальна кількість транзакцій за секунду, залиште значення за замовчуванням.
- Вибирати Створити кампанію щоб розпочати створення кампанії.
Отримайте рекомендації
Створивши або оновивши кампанію, ви зможете отримати рекомендований список популярних елементів, відсортованих від найбільшого до найнижчого. На кампанії (trending-now-campaign
) API персоналізації вкладку, виберіть Отримайте рекомендації.
На наступному знімку екрана показано сторінку з інформацією про кампанію з результатами від a GetRecommendations
виклик, який містить рекомендовані товари та ідентифікатор рекомендації.
Результати з GetRecommendations
дзвінок містить ідентифікатори рекомендованих елементів. Наступна таблиця є зразком після зіставлення ідентифікаторів із фактичними назвами фільмів для зручності читання. Код для виконання відображення надається у вкладеному зошиті.
ITEM_ID | TITLE |
356 | Форест Гамп (1994) |
318 | Втеча з Шоушенка (1994) |
58559 | Темний лицар (2008) |
33794 | Бетмен починається (2005) |
44191 | V для Vendetta (2006) |
48516 | Покинутий (2006) |
195159 | Людина-павук: В павук-вірш (2018) |
122914 | Месники: Війна нескінченності – Частина ІІ (2019) |
91974 | Підземний світ: Пробудження (2012) |
204698 | Джокер (2019) |
Отримайте популярні рекомендації
Після створення версії рішення за допомогою aws-trending-now
Amazon Personalize визначить найпопулярніші елементи, підрахувавши збільшення кількості взаємодій, яке має кожен елемент протягом настроюваних інтервалів часу. Предмети з найвищим темпом зростання вважаються популярними. Час засновано на даних позначки часу в наборі даних про вашу взаємодію.
Тепер давайте надамо останні взаємодії з Amazon Personalize, щоб обчислити популярні елементи. Ми можемо забезпечити найновішу взаємодію за допомогою прийому даних у реальному часі, створивши трекер подій або за допомогою масового завантаження даних із завданням імпорту набору даних у поетапному режимі. У блокноті ми надали зразок коду для індивідуального імпорту останніх даних про взаємодію в реальному часі в Amazon Personalize за допомогою засобу відстеження подій.
Для цієї публікації ми надамо останні взаємодії як масове завантаження даних із завданням імпорту набору даних у режимі збільшення. Будь ласка, використовуйте наведений нижче код Python, щоб створити фіктивні додаткові взаємодії та завантажити дані про додаткові взаємодії за допомогою завдання імпорту набору даних.
Ми синтетично згенерували ці взаємодії, випадково вибравши кілька значень для USER_ID
та ITEM_ID
, а також створення взаємодії між цими користувачами та елементами з останніми часовими мітками. Наступна таблиця містить випадково вибрані ITEM_ID
значення, які використовуються для створення додаткових взаємодій.
ITEM_ID | TITLE |
153 | Бетмен назавжди (1995) |
260 | Зоряні війни: Епізод IV – Нова надія (1977) |
1792 | Маршали США (1998) |
2363 | Годзілла (Годжіра) (1954) |
2407 | Кокон (1985) |
2459 | Техаська різанина бензопилою, (1974) |
3948 | Знайомство з батьками (2000) |
6539 | Пірати Карибського моря: Прокляття Бла… |
8961 | Суперсімейка (2004) |
61248 | Смертельна гонка (2008) |
Завантажте дані про додаткові взаємодії шляхом вибору Додати до поточного набору даних (або використовуйте інкрементний режим, якщо використовується API), як показано на наступному знімку.
Після завершення завдання імпорту набору даних інкрементних взаємодій зачекайте час частоти виявлення тенденції, який ви налаштували для відображення нових рекомендацій.
Вибирати Отримайте рекомендації на сторінці API кампанії, щоб отримати останній рекомендований список елементів, які є популярними.
Тепер ми бачимо останній список рекомендованих елементів. У таблиці нижче наведено дані після зіставлення ідентифікаторів із фактичними назвами фільмів для зручності читання. Код для виконання відображення надається у вкладеному зошиті.
ITEM_ID | TITLE |
260 | Зоряні війни: Епізод IV – Нова надія (1977) |
6539 | Пірати Карибського моря: Прокляття Бла… |
153 | Бетмен назавжди (1995) |
3948 | Знайомство з батьками (2000) |
1792 | Маршали США (1998) |
2459 | Техаська різанина бензопилою, (1974) |
2363 | Годзілла (Годжіра) (1954) |
61248 | Смертельна гонка (2008) |
8961 | Суперсімейка (2004) |
2407 | Кокон (1985) |
Попереднє GetRecommendations
дзвінок містить ідентифікатори рекомендованих елементів. Тепер ми бачимо ITEM_ID
Рекомендовані значення взято з набору даних додаткових взаємодій, який ми надали для моделі Amazon Personalize. Це не дивно, оскільки це єдині елементи, які отримали взаємодію за останні 30 хвилин із нашого синтетичного набору даних.
Тепер ви успішно навчили модель Trending-Now генерувати рекомендації щодо товарів, які стають популярними серед ваших користувачів, і адаптувати рекомендації відповідно до інтересів користувачів. У майбутньому ви можете адаптувати цей код для створення інших рекомендацій.
Vous використання aussi можете оплатити Фільтри разом із рецептом Trending-Now, щоб розрізняти тенденції між різними типами вмісту, як-от довгі та короткі відео, або застосувати рекламні фільтри щоб чітко рекомендувати конкретні товари на основі правил, які відповідають вашим бізнес-цілям.
Прибирати
Переконайтеся, що ви очистили всі невикористані ресурси, які ви створили у своєму обліковому записі, виконуючи дії, описані в цій публікації. Ви можете видалити фільтри, рекомендації, набори даних і групи наборів даних за допомогою Консоль управління AWS або за допомогою Python SDK.
Підсумки
Новий aws-trending-now
Рецепт від Amazon Personalize допомагає визначити елементи, які швидко стають популярними серед ваших користувачів, і адаптувати ваші рекомендації відповідно до швидкозмінних тенденцій інтересу користувачів.
Додаткову інформацію про Amazon Personalize див Посібник розробника Amazon Personalize.
Про авторів
Вамші Крішна Енаботала є старшим архітектором із прикладного штучного інтелекту в AWS. Він працює з клієнтами з різних секторів, щоб прискорити ефективні дані, аналітику та ініціативи машинного навчання. Він захоплюється системами рекомендацій, НЛП і областями комп’ютерного зору в штучному інтелекті та машинному обігу. Поза роботою Вамші є ентузіастом радіоуправляного керування, будує обладнання для радіоуправління (літаки, автомобілі та дрони), а також захоплюється садівництвом.
Анчіт Гупта є старшим менеджером із продуктів Amazon Personalize. Вона зосереджується на постачанні продуктів, які полегшують створення рішень машинного навчання. У вільний час вона любить готувати, грати в настільні/карткові ігри та читати.
Абхішек Мангал є інженером-програмістом для Amazon Personalize і працює над архітектурою систем програмного забезпечення для обслуговування клієнтів у масштабі. У вільний час він любить дивитися аніме і вважає «One Piece» найкращим оповіданням історії в новітній історії.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/recommend-top-trending-items-to-your-users-using-the-new-amazon-personalize-recipe/
- :є
- $UP
- 1
- 10
- 100
- 1985
- 1994
- 1996
- 1998
- 2012
- 2017
- 2018
- 2019
- 7
- a
- МЕНЮ
- прискорювати
- За
- рахунки
- точність
- пристосовувати
- після
- AI
- ВСІ
- дозволяє
- Amazon
- Амазонка персоналізувати
- серед
- аналітика
- та
- Аніме
- Оголосити
- API
- Інтерфейси
- додаток
- застосування
- прикладної
- Прикладний ШІ
- Застосовувати
- підхід
- підходи
- додатка
- ЕСТЬ
- області
- AS
- At
- автоматично
- доступний
- AWS
- база
- заснований
- BE
- оскільки
- становлення
- вважає,
- нижче
- між
- будувати
- Створюємо
- бізнес
- by
- обчислювати
- розрахований
- розрахунок
- call
- Кампанія
- Кампанії
- CAN
- Може отримати
- можливості
- захоплення
- карибський
- автомобілів
- випадок
- каталог
- зміна
- заміна
- Вибирати
- код
- Колони
- COM
- повний
- комп'ютер
- Комп'ютерне бачення
- вважається
- Консоль
- містить
- зміст
- контекст
- створювати
- створений
- створення
- критичний
- Куратор
- Поточний
- проклинати
- виготовлений на замовлення
- клієнт
- Залучення клієнтів
- Клієнти
- дані
- набори даних
- дата, час
- день
- дефолт
- Ступінь
- доставляти
- надання
- демонструвати
- Залежно
- розгортання
- бажаний
- деталь
- Розробник
- розробників
- різний
- диференціювати
- відкрити
- відкриття
- Ні
- домен
- Дронів
- кожен
- легше
- легко
- дозволяє
- зашифрованих
- зачеплення
- залучення
- інженер
- Що натомість? Створіть віртуальну версію себе у
- ентузіаст
- Весь
- епоха
- обладнання
- оцінка
- Event
- Події
- Кожен
- приклад
- збуджений
- очікування
- досвід
- Досліди
- зовнішній
- фактори
- швидше
- швидкий
- особливість
- кілька
- Поля
- Фільтри
- Перший
- фокусується
- потім
- після
- для
- назавжди
- Вперед
- частота
- від
- Повний
- повністю
- набирає
- Games
- породжувати
- генерується
- породжує
- отримати
- даний
- Цілі
- буде
- великий
- найбільший
- Group
- Групи
- Мати
- допомога
- допомагає
- Високий
- вище
- найвищий
- історія
- надія
- ГОДИННИК
- Як
- How To
- HTML
- HTTP
- HTTPS
- i
- ID
- ідентифікує
- ідентифікувати
- імпорт
- удосконалювати
- in
- включати
- includes
- Augmenter
- індивідуальний
- Індивідуально
- Infinity
- інформація
- ініціативи
- інструкції
- взаємодія
- Взаємодії
- інтерес
- інтереси
- введені
- IT
- пунктів
- робота
- JPG
- дитина
- лицар
- останній
- останній
- вивчення
- Залишати
- довжина
- як
- список
- Довго
- ВИГЛЯДИ
- низький
- машина
- навчання за допомогою машини
- зробити
- РОБОТИ
- людина
- вдалося
- управління
- менеджер
- обов'язковий
- карта
- відображення
- Маркетинг
- Медіа
- мінімальний
- хвилин
- відсутній
- ML
- режим
- модель
- більше
- найбільш
- фільм
- кіно
- ім'я
- Необхідність
- Нові
- новини
- nlp
- ноутбук
- of
- on
- Опції
- Інше
- викладені
- поза
- алюр
- сторінка
- панди
- параметр
- батьки
- частина
- пристрасний
- Минуле
- Виконувати
- period
- періодів
- Втілення
- Уособлювати
- Персоналізовані
- частина
- місце
- plato
- Інформація про дані Платона
- PlatoData
- ігри
- будь ласка
- бідні
- популярний
- популярність
- пошта
- Живлення
- Готувати
- попередній
- попередній
- приватний
- Product
- менеджер по продукції
- Продукти
- забезпечувати
- за умови
- забезпечення
- громадськість
- Купівля
- Python
- Гонки
- випадковий
- швидко
- ставка
- рейтинг
- рейтинги
- читання
- готовий
- реального часу
- останній
- рецепт
- рекомендувати
- Рекомендація
- рекомендації
- рекомендований
- запис
- викуп
- відображено
- випущений
- замінювати
- вимагається
- Вимагається
- ресурси
- результати
- огляд
- підвищення
- кімнати
- Правила
- s
- шкала
- Sdk
- розділ
- Сектори
- безпечний
- обраний
- вибирає
- старший
- служити
- обслуговування
- комплект
- Короткий
- Показувати
- показаний
- Шоу
- простий
- з
- Знімок
- соціальна
- Софтвер
- Інженер-програміст
- рішення
- Рішення
- деякі
- складний
- спеціаліст
- конкретний
- старт
- почалася
- Крок
- заходи
- зберігання
- рядок
- Успішно
- такі
- поверхню
- дивно
- синтетичний
- синтетично
- Systems
- таблиця
- цільове
- Що
- Команда
- їх
- Ці
- через
- час
- відмітка часу
- назва
- назви
- до
- топ
- трафік
- поїзд
- навчений
- Навчання
- Transactions
- Trend
- трендів
- Актуальні новини
- Тенденції
- Типи
- створеного
- UNIX
- невикористаний
- Оновити
- використання
- використання випадку
- користувач
- користувачі
- значення
- Цінності
- різноманітність
- VeloCity
- версія
- через
- Відео
- бачення
- vs
- чекати
- війна
- годинник
- годинник
- веб-сайт
- веб-сайти
- ДОБРЕ
- Що
- який
- в той час як
- волі
- з
- без
- Work
- працює
- Ти
- вашу
- зефірнет
- Zip