本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
创建推荐器
创建域数据集组并导入数据后,您可以为域使用案例创建推荐器。推荐器 是生成建议的域数据集组资源。您可以在应用程序中使用推荐器来获取有关 GetRecommendations 操作的实时建议。
创建推荐器时,您需指定一个使用案例,然后 Amazon Personalize 通过使用案例的最佳配置,训练支持推荐器的模型。每个使用案例对获取建议都有不同的 API 要求。有关按域划分的推荐器使用案例列表,请参阅选择使用案例。每个区域最多可以创建 15 个推荐器。
Amazon Personalize 每 7 天自动重新训练一次支持推荐器的模型。这是一次全面的再训练,基于数据集中的全部数据创建全新的模型。Amazon Personalize 通过热门精选 和为您推荐 使用案例,每两小时更新一次现有模型,以便在建议中加入带有浏览的新物品。
创建推荐器时,可以在建议中启用物品元数据。有关更多信息,请参阅 在建议中启用元数据。
您可以使用 Amazon Personalize 控制台、 Amazon Command Line Interface (Amazon CLI) 或 Amazon 软件开发工具包创建推荐人。
推荐器状态
推荐器可处于以下一种状态:
-
CREATE PENDING > CREATE IN_PROGRESS > ACTIVE - 或 - CREATE FAILED
-
DELETE PENDING > DELETE IN_PROGRESS
要获得推荐器状态,请导航至 Amazon Personalize 控制台中的“推荐器”页面或使用 DescribeRecommender 操作。
每秒最低建议请求数和自动扩缩
重要
高 minRecommendationRequestsPerSecond
会增加您的账单费用。我们建议从 1 开始设置 minRecommendationRequestsPerSecond
(默认值)。使用 Amazon CloudWatch 指标跟踪您的使用情况,并在必要minRecommendationRequestsPerSecond
时增加使用量。
创建推荐器时,您可以配置推荐器的每秒最低建议请求数。每秒最低建议请求数 (minRecommendationRequestsPerSecond
) 指定了 Amazon Personalize 预调配的基准建议请求吞吐量。默认值 minRecommendationRequestsPerSecond 为1
。建议请求是单个 GetRecommendations
操作。请求吞吐量以每秒请求数来衡量,Amazon Personalize 使用每秒请求数来计算每小时请求数和推荐器使用量的价格。
如果您的每秒请求数增加到超过 minRecommendationRequestsPerSecond
,则 Amazon Personalize 会自动纵向扩展和缩减预调配容量,但永远不会低于 minRecommendationRequestsPerSecond
。增加容量时会有短时间延迟,这可能会导致请求丢失。
您的账单是每小时最低请求数(基于 minRecommendationRequestsPerSecond)或实际请求数中的较大值。实际使用的请求吞吐量按照一小时时段内的平均请求数/秒来计算。我们建议从默认值开始minRecommendationRequestsPerSecond
,使用 Amazon CloudWatch 指标跟踪您的使用情况,然后minRecommendationRequestsPerSecond
根据需要增加使用量。
在建议中启用元数据
重要
在建议中启用元数据时,会产生额外成本。有关更多信息,请参阅 Amazon Personalize 定价
创建推荐器时,您可以启用该选项,以将物品数据集中的物品元数据与建议结果一起包括在内。如果启用,则可以在建议请求中指定物品数据集中的列。Amazon Personalize 会在建议响应中返回每个物品的这些数据。
您可以使用元数据来丰富用户界面中的建议,例如将电影的类型添加到轮播中。或者,您可以用它来直观地评测建议质量。如果您在应用程序中使用生成式人工智能,则可以将元数据插入人工智能提示中,以生成相关性更高的内容。有关 Amazon Personalize 与生成式人工智能结合使用的更多信息,请参阅Amazon Personalize 和生成式人工智能。
-
要使用 Amazon Personalize 控制台启用元数据,请在创建推荐器时,在高级配置中选择在建议结果中返回物品元数据。有关更多信息,请参阅 创建推荐器(控制台)。
-
要使用 Amazon 软件开发工具包或启用元数据 Amazon CLI,请使用 CreateRecommender API 操作并将
recommenderConfig
设置enableMetadataWithRecommendations
为。true
有关更多信息,请参阅创建推荐器 (Amazon CLI)或创建推荐器 (Amazon SDK)。
要向建议添加元数据,您必须拥有包含一列元数据的物品数据集。您不一定要在训练中使用元数据。有关创建数据集的信息,请参阅创建数据集和架构。有关管理和更新数据的信息,请参阅管理数据集中的训练数据。
配置训练时使用的列
创建推荐人时,您可以修改 Amazon Personalize 在训练支持推荐者的模型时考虑的列。
您可以这样做,以试验不同的训练数据组合;也可以排除无有意义数据的列。例如,可能有一列,您只想将其用来筛选建议。您可以将此列排除在训练之外,Amazon Personalize 只有在筛选时才会考虑该列。
您无法排除 EVENT_TYPE 列。默认情况下,Amazon Personalize 使用可在训练时采用的所有列。训练中始终不包括以下数据:
-
数据类型为布尔值的列
-
不是分类或文本的自定义字符串字段
您不能在培训中包含展示次数数据,但是如果您的用例或方法使用了这些数据,Amazon Personalize 会在您获得推荐时使用展示量数据来指导探索。
-
要配置使用 Amazon Personalize 控制台进行训练时使用的列,请在创建推荐人时,在 “高级配置” 页面上选择要使用的列。有关更多信息,请参阅 创建推荐器(控制台)。
-
要配置使用 Amazon SDK 或训练时使用的列 Amazon CLI,请使用 CreateRecommender API 操作并在
excludedDatasetColumns
中recommenderConfig
指trainingDataConfig
定。有关代码示例,请参阅配置训练时使用的列 (Amazon CLI) 或配置训练时使用的列 (Amazon SDK)。