Amazon Personalize 条款 - Amazon Personalize
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 条款

本节简要说明 Amazon Personalize 中使用的术语。

数据导入和管理

以下术语与在 Amazon Personalize 化中导入、导出和格式化数据有关。

上下文元数据

当事件(例如单击)发生时,您收集的有关用户浏览上下文(例如使用的设备或位置)的交互数据。上下文元数据可以改善新用户和现有用户的建议相关性。

dataset

存放您上传到 Amazon Personalize 化的数据的容器。Amazon Personalize 数据集有三种类型:用户、项目和交互。

数据集组

用作 Amazon Personalize 组件的容器,包括数据集、事件跟踪器、解决方案、筛选器、活动和批量推理作业。数据集组将资源组织到独立的集合中,因此一个数据集组中的资源不会影响任何其他数据集组中的资源。数据集组可以是域数据集组或自定义数据集组。

域数据集组

包含针对不同业务域和使用案例的预配置资源的数据集组。Amazon Personalize 化管理培训模型和部署的生命周期。创建域数据集组时,您可以选择业务域、导入数据并为每个使用案例创建推荐者。您可以在应用程序中使用推荐人来获取 GetSponents 操作的推荐。

如果您从域数据集组开始,您仍可以添加自定义资源,例如经过自定义用例配方训练的解决方案和解决方案版本。

自定义数据集组

包含自定义资源(包括解决方案、解决方案版本、筛选器、活动和批量推理作业)的数据集组。你可以使用广告系列来获取 getSponents 操作的推荐。您可以管理训练模型和部署的生命周期。如果您从自定义数据集组开始,则以后将无法与域关联。而是创建新的域数据集组。

数据集导出作业

一种记录导出工具,可将数据集中的记录输出到 Amazon S3 存储桶中的一个或多个 CSV 文件。输出 CSV 文件包含一个标题行,其列名称与数据集架构中的字段匹配。

数据集导入作业

一种批量导入工具,用来自 Amazon S3 存储桶中 CSV 文件的数据填充 Amazon Amazon Personalize 数据集。

event

:您记录并上传到 Amazon Personalize 交互数据集的用户操作(例如单击、购买或观看视频)。您可以使用 Amazon Personalize 化控制台以增量方式从 CSV 文件中批量导入事件,并实时导入事件。

显式展示

:您手动添加到 Amazon Personalize 交互数据集的项目列表。不同于隐式展示(Amazon Personalize 自动从您的推荐数据派生),您可以选择要在显式展示中包含的内容。

隐式展示

您的应用程序向用户显示的推荐。不同于显式展示(手动添加到交互数据集),Amazon Personalize 自动从您的推荐数据派生隐式展示。

展示数据

您在用户与特定项目交互时向用户展示的项目列表,方法是单击、观看、购买等方法。Amazon Personalize 根据用户选择或忽略同一物品的频率,使用展示数据计算新物品对用户的相关性。

交互数据集

:用于保存从用户和项目之间交互中收集的历史数据和实时数据的容器(称为事件)。互动数据可以包括展示数据上下文元数据.

物品数据集

:用于保存物品相关元数据(例如价格、类型或可用性)的容器。

schema

中的 JSON 对象Apache Avro该格式告诉 Amazon Personalize 化您的数据结构。Amazon Personalize 化使用您的架构来解析您的数据。

用户数据集

:用于保存用户相关元数据(例如年龄、性别或会员资格)的容器。

培训

以下术语与在 Amazon Personalize 化中训练模型有关。

物品间相似度 (SIMS) 配方

一个RELATED_ITEMS:使用交互数据集中的数据为类似于指定项目的项目提供建议。SIMS 配方根据用户与物品交互的方式而不是匹配物品元数据(如价格或颜色)计算相似度。

物品亲和力

USER_SEGUMENTION 配方,它使用来自交互数据集和项目数据集的数据,根据用户与项目交互的可能性为您指定的每个项目创建用户细分。

商品属性亲和力

USER_SEGUMENTION 配方,它使用来自交互数据集和项目数据集的数据,根据用户与属性项目交互的可能性为您指定的每个项目属性创建用户细分。

个性化-排名配方

一个PERSONALIZATION:根据特定用户的预测兴趣水平对您提供的一系列物品进行排名的配方。使用个性化排名配方可以针对特定用户个性化的精选项目列表或搜索结果的顺序进行个性化。

热门程度-计数配方

一个USER_PERSONALIZATION推荐与独立用户交互最多的物品的配方。

推荐者

生成建议的域数据集组工具。您可以为域数据集组创建推荐程序,然后在应用程序中使用 GetProments API 获取实时推荐。当您创建推荐者时,您需要指定使用案例,Amazon Personalize 会用最佳使用案例的配置来培训支持推荐者的模型。

recipe

:Amazon Personalize 算法,预先配置为预测用户将与之交互的项目(用于 USER_PERSONALIZATION 配方),或计算与用户表示兴趣的特定物品类似的物品(对于 RELATED_ITEMS 配方)的项目类似的项目。特定用户的预计兴趣(对于个性化 _RANGING 食谱)。

solution

Amazon Personalize 用于生成推荐的配方、自定义参数和经过训练的模型(解决方案版本)。

解决方案版本

作为 Amazon Personalize 解决方案的一部分创建的经过训练的模型。您可以在活动中部署解决方案版本以激活用于请求推荐的个性化 API。

训练模式

创建解决方案版本时要执行的培训范围。有两种不同的模式:完整和更新。FULL 模式将根据数据集组中数据集中的所有训练数据创建一个全新的解决方案版本。UPDATE 以增量方式更新现有的解决方案版本,以推荐自上次培训以来添加的新项目。

注意

借助用户个性化功能,Amazon Personalize 化会自动更新采用完全培训模式训练的最新解决方 请参阅 自动更新

用户-个性化配方

基于分层的循环神经网络 (HRNN)USER_PERSONALIZATION预测用户将与之交互的项目的配方。用户-个性化配方可以使用物品浏览和展示数据生成有关新物品的推荐。

模型部署和建议

以下术语与在 Amazon Personalize 化中部署和使用模型有关。

批量推理作业

:从 Amazon S3 存储桶导入批量输入数据、使用您的解决方案版本生成推荐并将推荐导出至 Amazon S3 存储桶的工具。我们建议您的输出数据使用不同的位置(文件夹或其他 Amazon S3 存储桶)。使用批量推理作业,针对不需要实时更新的大型数据集获取建议。

批处理区段作业

:从 Amazon S3 存储桶导入批量输入数据、使用您的解决方案版本创建用户区段并将用户区段导出至 Amazon S3 存储桶的工具。我们建议您的输出数据使用不同的位置(文件夹或其他 Amazon S3 存储桶)。将批处理区段作业与 USER_SEGUMENT 配方支持的解决方案结合使用,根据用户与不同项目或具有不同项目属性的项目进行交互的可能性来创建用户细分。

活动

:已部署的解决方案版本(经过训练的模型),具有预置的专用事务容量,用于为您的应用程序 创建活动之后,您可以使用getRecommendations要么getPersonalizedRanking用于获取推荐的 API 操作。

物品浏览

Amazon Personalize 用于测试不同商品推荐的过程,并了解用户如何在没有或只有很少交互数据的情况下响应新物品。当您使用用户个性化配方训练模型时,Amazon Personalize 使用探索。对于实时推荐,您可以在广告系列级别配置探索。对于批处理推荐,您可以在创建批量推理作业时配置浏览。

推荐

Amazon Personalize 预测用户将与之交互的项目列表。根据所使用的 Amazon Personalize 配方,推荐可以是物品列表(USER_PERSONALIZATION 配方和 RELATED_ITEMS 配方),也可以是您提供的一系列物品的排名(PERSONALIZED_RANKING 配方)。

用户细分

Amazon Personalize 预测用户将与您的目录交互的用户列表。根据使用的 USER_SEGUMENT 配方,您可以根据项目(项目-亲和配方)项目元数据(项目-属性-亲和配方)创建用户细分。您可以使用批处理细分作业创建用户细分。