User-Personalization 食谱

使用 User-Personalization 食谱训练新解决方案版本（控制台）

1. 在https://console.aws.amazon.com/personalize/家中打开 Amazon Personalize 控制台并登录您的账户。

2. 使用新架构创建自定义数据集组，然后上传包含展示数据的数据集。（可选）在您的商品非结构化文本元数据数据集中包含 CREATION_ TIMESTAMP 和数据，这样 Amazon Personalize 就可以更准确地计算商品的使用年限并识别冷藏商品。

   有关导入数据的更多信息，请参阅将训练数据导入 Amazon Personalize 数据集。

3. 在数据集组页面上，选择包含一个或多个带有展示数据的数据集的新数据集组。

4. 在导航窗格中，选择解决方案和食谱，然后选择创建解决方案。

5. 在创建解决方案页面上，对于解决方案名称，输入新解决方案的名称。

6. 对于解决方案类型，选择物品建议，为用户获取物品建议。

7. 在 “食谱” 中，选择aws-user-personalization。这时，将显示解决方案配置部分，其中提供了几个配置选项。

8. 在其他配置中，如果您的商品互动数据集有 EVENT _ TYPE 或同时有 EVENT _ TYPE 和 EVENT _ VALUE 列，则可以选择使用事件类型和事件值阈值字段来选择 Amazon Personalize 在训练模型时使用的商品互动数据。有关更多信息，请参阅 选择用于训练的物品交互数据。

9. （可选）为您的解决方案配置超参数。有关 User-Personalization 食谱属性和超参数的列表，请参阅属性和超参数。

10. 选择创建并训练解决方案以开始训练。此时，将显示控制面板页面。

    您可以导航到解决方案详情页面，在解决方案版本 部分跟踪训练进度。训练完成时，状态会变为活动。

创建市场活动并获取建议（控制台）

当您的解决方案版本状态为活动时，您就可以按如下方式创建市场活动并获得建议了：

1. 在解决方案详细信息页面或市场活动 页面上，选择创建新的市场活动。

2. 在创建新的市场活动页面上，对于市场活动详细信息，提供以下信息：

   • 市场活动名称：输入市场活动的名称。您在此处输入的文本将显示在市场活动控制面板和详细信息页面上。

   • 解决方案：选择您刚刚创建的解决方案。

   • 解决方案版本 ID：选择您刚刚创建的解决方案版本 ID。

   • 最低预调配每秒事务数：设置 Amazon Personalize 支持的最低预调配每秒事务数。有关更多信息，请参阅 CreateCampaign 操作。

3. 对于活动配置，提供以下信息：

   • 浏览权重：配置要浏览的程度，其中，建议包含的物品交互数据越少或相关性越低，您所指定的浏览频率就越高。值越接近 1，浏览次数就越多。如果值为零，则表示没有浏览，建议基于当前数据（相关性）。

   • 浏览物品期限截止：输入自上次交互以来的最大物品期限（以天为单位），以定义物品浏览的范围。要增加 Amazon Personalize 在浏览期间考虑的物品数量，请输入更大的值。

     例如，如果您输入 10，则在浏览期间仅考虑数据集中自最近一次交互以来 10 天内具有物品交互数据的物品。

     注意

     建议可能包括没有来自该时间范围之外的物品交互数据的物品。这是因为这些物品与用户兴趣相关，但不需要浏览识别它们。

4. 选择创建市场活动。

5. 在市场活动详细信息页面上，当市场活动状态变为活动 时，您可以使用市场活动来获取建议并记录展示量。有关更多信息，请参阅“入门”中的步骤 5：获得建议。

   Amazon Personalize 会每两小时自动更新一次最新解决方案版本，以包含新数据。您的市场活动会自动使用更新的解决方案版本。有关更多信息，请参阅 自动更新。

   要手动更新市场活动，请先使用控制台或 CreateSolutionVersion 操作创建和训练新的解决方案版本，并将 trainingMode 设置为 update。然后，在控制台的市场活动 页面或使用 UpdateCampaign 操作，手动更新市场活动。

   注意

   Amazon Personalize 不会自动更新您在 2020 年 11 月 17 日之前创建的解决方案版本。

要使用用户个性化配方训练解决方案，请使用 Amazon SDK

1. 使用 create_solution 方法创建新的解决方案。

   solution name替换为您的解决方案dataset group arn名称和数据集组的 Amazon 资源名称 (ARN)。

   import boto3
   
   personalize = boto3.client('personalize')
   
   print('Creating solution')
   create_solution_response = personalize.create_solution(name = 'solution name', 
                               recipeArn = 'arn:aws:personalize:::recipe/aws-user-personalization', 
                               datasetGroupArn = 'dataset group arn',
                               )
   solution_arn = create_solution_response['solutionArn']
   print('solution_arn: ', solution_arn)

   有关 aws-user-personalization 配方属性和超参数的列表，请参见属性和超参数。

2. 使用更新的训练数据创建新的解决方案版本，并使用以下代码片段将 trainingMode 设置为 FULL。将solution arn替换ARN为您的解决方案的。

   import boto3
           
   personalize = boto3.client('personalize')
           
   create_solution_version_response = personalize.create_solution_version(solutionArn = 'solution arn', 
                                                                  trainingMode='FULL')
   
   new_solution_version_arn = create_solution_version_response['solutionVersionArn']
   print('solution_version_arn:', new_solution_version_arn)

3. 当 Amazon Personalize 创建完解决方案版本后，使用以下参数创建市场活动：

   • 提供新的 campaign name 及步骤 2 中生成的 solution version arn。

   • 修改 explorationWeight 物品浏览配置超参数以配置要浏览的程度。值越接近 1.0，建议物品交互数据较少或相关性较低的物品的频率就越高。默认值为 0.3。

   • 修改 explorationItemAgeCutOff 物品浏览配置超参数，以提供应浏览物品的最大持续时间（相对于最新交互的天数）。该值越大，浏览期间考虑的物品就越多。

   使用以下 Python 片段创建新市场活动，其以浏览为重点，浏览截止日期为 30 天。创建市场活动通常需要几分钟，但也可能需要一个多小时。

   import boto3
           
   personalize = boto3.client('personalize')
   
   create_campaign_response = personalize.create_campaign(
       name = 'campaign name',
       solutionVersionArn = 'solution version arn',
       minProvisionedTPS = 1,
       campaignConfig = {"itemExplorationConfig": {"explorationWeight": "0.3", "explorationItemAgeCutOff": "30"}}
   )
   
   campaign_arn = create_campaign_response['campaignArn']
   print('campaign_arn:', campaign_arn)

   通过 User-Personalization，Amazon Personalize 每两小时自动更新一次解决方案版本，以包含新数据。您的市场活动会自动使用更新的解决方案版本。有关更多信息，请参阅 自动更新。

   要手动更新市场活动，请先使用控制台或 CreateSolutionVersion 操作创建和训练新的解决方案版本，并将 trainingMode 设置为 update。然后，在控制台的市场活动 页面或使用 UpdateCampaign 操作，手动更新市场活动。

   注意

   Amazon Personalize 不会自动更新您在 2020 年 11 月 17 日之前创建的解决方案版本。

获取建议并记录展示次数

1. 调用 get_recommendations 方法。将更改campaign arn为ARN新广告系列的，更改user id userId 为用户的。

   import boto3
               
   rec_response = personalize_runtime.get_recommendations(campaignArn = 'campaign arn', userId = 'user id')
   print(rec_response['recommendationId'])             

2. 创建用于发送 PutEvents 请求的新事件跟踪器。event tracker name替换为事件跟踪器的dataset group arn名称和数据集组ARN的名称。

   import boto3
           
   personalize = boto3.client('personalize')
   
   event_tracker_response = personalize.create_event_tracker( 
       name = 'event tracker name',
       datasetGroupArn = 'dataset group arn'
   )
   event_tracker_arn = event_tracker_response['eventTrackerArn']
   event_tracking_id = event_tracker_response['trackingId']
   print('eventTrackerArn:{},\n eventTrackingId:{}'.format(event_tracker_arn, event_tracking_id))               
                   

3. 使用步骤 1 中的 recommendationId 和步骤 2 中的 event tracking id 来创建新 PutEvents 请求。此请求记录来自用户会话的新展示数据。将 user id 更改为用户的 ID。

   import boto3
               
   personalize_events.put_events(
        trackingId = 'event tracking id',
        userId= 'user id',
        sessionId = '1',
        eventList = [{
        'sentAt': datetime.now().timestamp(),
        'eventType' : 'click',
        'itemId' : rec_response['itemList'][0]['itemId'],        
        'recommendationId': rec_response['recommendationId'],
        'impression': [item['itemId'] for item in rec_response['itemList']],
        }]
   )