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。
SIMS 配方
项目与项目相似性 (SIMS) 配方使用协作筛选来推荐与您在获得推荐时指定的项目最相似的项目。SIMS 使用您的交互数据集,而不是颜色或价格等项目元数据来确定相似性。SIMS 标识交互数据集中的用户历史记录中该项目的共同出现情况,以推荐类似的项目。例如,使用 SIMS,Amazon Personalize 化可以推荐买家经常一起购买的咖啡店商品或不同用户也观看的电影。
与其他配方相比,使用 SIMS 配方可更快完成训练。如果项目没有足够的用户行为数据或者找不到您提供的项目 ID,SIMS 会推荐热门项目。
SIMS 配方具有以下属性:
-
名称 –
aws-sims
-
配方 Amazon 资源名称 (ARN)–
arn:aws:personalize:::recipe/aws-sims
-
算法 ARN–
arn:aws:personalize:::algorithm/aws-sims
-
功能转换 ARN–
arn:aws:personalize:::feature-transformation/sims
-
配方类型–
RELATED_ITEMS
下表描述 SIMS 配方的超参数。超参数 是一个算法参数,您可以调整该参数以提高模型性能。算法超参数控制模型的执行方式。特征化超参数控制如何筛选训练中使用的数据。为超参数选择最佳值的过程称为超参数优化 (HPO)。有关更多信息,请参阅 超级参数和 HPO。
该表还为每个超参数提供以下信息:
-
范围:[上界, 下界]
-
值类型:Integer、Continuous(浮点数)、Categorical(布尔值、列表、字符串)
-
可调 HPO:该参数是否可以参与超参数优化 (HPO)?
名称 | 描述 |
---|---|
算法超参数 | |
popularity_discount_factor |
计算相似度时会影响流行度和相关性之间的平衡。如果您计算与特定项目的相似性,则值 默认值:0.5 Range (范围):[0.0, 1.0] 值类型:Float HPO 可调:是 |
min_cointeraction_count |
计算一对项目之间的相似性所需的最小共同交互次数。例如,值 默认值:3 Range (范围):[0, 10] 值类型:整数 HPO 可调:是 |
特征化超参数 | |
min_user_history_length_percentile |
要包含在模型训练中的用户历史记录长度的最小百分位数。历史记录长度 是用户的可用数据总量。使用 默认值:0.005 Range (范围):[0.0, 1.0] 值类型:Float HPO 可调:否 |
max_user_history_length_percentile |
要包含在模型训练中的用户历史记录长度的最大百分位数。历史记录长度 是用户的可用数据总量。使用 例如, 默认值:0.995 Range (范围):[0.0, 1.0] 值类型:Float HPO 可调:否 |
min_item_interaction_count_percentile |
要包含在模型训练中的项目交互计数的最小百分位数。使用 默认值:0.01 Range (范围):[0.0, 1.0] 值类型:Float HPO 可调:否 |
max_item_interaction_count_percentile |
要包含在模型训练中的项目交互计数的最大百分位数。使用 例如, 默认值:0.9 Range (范围):[0.0, 1.0] 值类型:Float HPO 可调:否 |
SIMS 示例笔记本
有关演示如何使用 SIMS 配方的 Jupyter 笔记本示例,请参阅查找类似项目 + HPO