Amazon Personalize 工作流 - Amazon Personalize
域数据集组的工作流自定义数据集组的工作流
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅中国的 Amazon Web Services 服务入门。

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。

Amazon Personalize 工作流

使用 Amazon Personalize 化，有两种工作流程选项：

  • 您可以创建针对不同使用案例优化的资源的 Domonalize 数据集组。如果您从域数据集组开始，您仍可以添加自定义资源，例如针对自定义使用案例训练的解决方案和解决方案版本。

  • 或者，您可以使用自定义资源创建自定义数据集组。

域数据集组的工作流

要创建基于域的资源，请为业务域创建域数据集组、导入数据、为每个使用案例创建推荐者并获取建议。重复数据导入过程，以便随着目录的增长保持建议的相关性。您可以使用 Amazon Personalize 化控制台完成域名工作流程，Amazon Command Line Interface(Amazon CLI)，或者Amazon开发工具包。

  1. 创建域数据集组

    创建域数据集组时，请从以下类型中选择您的业务域。

    • VIDEO_ON_需求

    • 电子商务

  2. 导入数据

    您将项目、用户和交互记录导入到数据集（Amazon Personalize 化数据容器）。您可以选择批量导入记录，也可以选择以增量方式导入记录。使用增量导入，您可以添加一条或多条历史记录或从实时用户活动中导入数据。

    您导入的数据取决于您的域。每个域都有一个默认模式，您可以将数据映射到该模式。有关您可以导入的数据类型的信息，请参阅数据集和架构以及每个域的章节（VIDEO_ON_DEMAND 数据集和架构和电子商务数据集和模式)。

  3. 创建推荐者

    导入数据后，Amazon Personalize 化将使用它来训练一个或多个模型。对于域数据集组，您可以通过创建推荐者针对每个使用案例。Amazon Personalize 化为每位推荐者提供针对所选用例的最佳配置培训模型。有关更多信息，请参阅创建推荐者.

  4. 获取建议

    在 Amazon Personalize 化创建推荐人之后，您可以使用他们通过 Amazon Personalize 化控制台获取建议，Amazon Command Line Interface(Amazon CLI)，或者Amazon开发工具包。有关更多信息，请参阅从推荐人那里获取推荐.

  5. 刷新数据然后重复

    保持物品和用户数据的最新状态，并实时记录新的互动数据。Amazon Personalize 管理推荐人的生命周期，并随着数据集的变化重新训练模型。这使您的模型能够从用户最近的活动中学习，并维持和提高建议的相关性。有关更多信息，请参阅保持推荐相关性（域数据集组）.

自定义数据集组的工作流

通过自定义工作流程，您可以确定使用案例、导入数据、训练和部署模型，然后获得建议。重复数据导入和培训流程，以便随着目录的增长维持和提高建议的相关性。您可以使用 Amazon Personalize 化控制台完成 Amazon Personalize 化工作流程Amazon Command Line Interface(Amazon CLI)，或者Amazon开发工具包。

  1. 确定您的使用案例

    从以下选项中选择您的使用案例并记下其对应的配方类型。（配方是针对不同使用案例准备的 Amazon Personalize 算法。）

    • 为用户推荐物品（USER_PEROIZATION 食谱）

    • 对给定用户的物品进行排名（个性化 _RANGING 食谱）

    • 推荐类似物品（READEST_ITEMS 食谱）

    有关更多信息，请参阅确定您的使用案例.

  2. 导入数据

    您将项目、用户和交互记录导入到数据集（Amazon Personalize 化数据容器）。您可以选择批量导入记录，也可以选择以增量方式导入记录。使用增量导入，您可以添加一条或多条历史记录或从实时用户活动中导入数据。

    导入的数据因使用案例而定。有关您可以导入的数据类型的信息，请参阅数据集和架构以及每种数据集类型的部分（交互数据、项目数据、用户数据)。

    有关导入数据的更多信息，请参准备和导入数据.

  3. 训练模型

    导入数据后，Amazon Personalize 化将使用它来训练模型。在 Amazon Personalize 化中，您可以通过创建解决方案，您可以通过选择 Amazon Personalize 化食谱来指定您的使用案例。然后你创建解决方案版本，这是 Amazon Personalize 化用于生成建议的训练模型。有关更多信息，请参阅创建解决方案.

  4. 部署模型（用于实时推荐）

    Amazon Personalize 化完成您的解决方案版本（训练模型）的创建之后，您可以在广告活动中部署 广告系列创建和管理推荐 API，您可以在应用程序中使用该 API 从自定义模型中请求实时推荐。有关部署模型的更多信息，请参阅。创建市场活动. 对于批量推荐，您无需创建促销活动。

  5. 获取推荐和用户细分

    实时或作为批处理工作流程的一部分获取建议。当客户使用应用程序时想要更新推荐时，获取实时推荐。当您不需要实时更新时，获取批量推荐和用户细分。有关更多信息，请参阅 获取推荐（自定义数据集组）。

  6. 刷新数据然后重复

    保持物品和用户数据的最新状态，实时记录新的互动数据，并定期重新训练模型。这使您的模型能够从用户最近的活动中学习，并维持和提高建议的相关性。有关更多信息，请参阅保持推荐相关性.