Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Ein personalisiertes Ranking erhalten (benutzerdefinierte Ressourcen) Eine personalisierte Rangfolge ist eine Liste empfohlener Elemente, die für einen bestimmten Benutzer neu nach Rang angeordnet sind. Um personalisierte Rankings zu erhalten, rufen Sie den [GetPersonalizedRanking](API_RS_GetPersonalizedRanking.md) API-Vorgang auf oder lassen Sie sich Empfehlungen aus einer Kampagne in der Konsole anzeigen. **Anmerkung** Die der Kampagne zugrunde liegende Lösung muss mit einem Rezept vom Typ PERSONALIZED\$1RANKING.erstellt worden sein. Weitere Informationen finden Sie unter [Ein Rezept wählen](working-with-predefined-recipes.md). **Topics** + [So funktioniert die personalisierte Bewertung von Rankings](#how-ranking-scoring-works) + [Ein personalisiertes Ranking erhalten (Konsole)](get-ranking-recommendations-console.md) + [Ein personalisiertes Ranking erhalten (AWS CLI)](get-personalized-rankings-cli.md) + [Ein personalisiertes Ranking erhalten (AWS SDKs)](get-personalized-rankings-sdk.md) + [Beispielnotizbuch mit personalisiertem Ranking](#real-time-recommendations-personalized-ranking-example) ## So funktioniert die personalisierte Bewertung von Rankings Wie bei den Ergebnissen, die der `GetRecommendations` Vorgang für Lösungen zurückgibt, die mit den Rezepten User-Personalization-v 2 und Benutzerpersonalisierung erstellt wurden, ergeben die `GetPersonalizedRanking` Punktzahlen insgesamt 1, aber nur die Eingabeelemente erhalten Punkte, und die Empfehlungswerte sind in der Regel höher. Wenn ein Element während der letzten Schulung nicht vorhanden war, erhält es die Punktzahl 0. Mathematisch gesehen GetPersonalizedRanking ist die Bewertungsfunktion für identisch mit`GetRecommendations`, außer dass sie nur die Eingabeelemente berücksichtigt. Dies bedeutet, dass sich mit zunehmender Annäherung an 1 die Wahrscheinlichkeit erhöht, da es immer weniger andere Möglichkeiten gibt, die Punktzahl aufzuteilen: ![\[Stellt die Formel dar, die zur Berechnung der Punktzahlen für jedes Element in einer Rangliste verwendet wird.\]](http://docs.aws.amazon.com/de_de/personalize/latest/dg/images/get_personalized_ranking.png) # Ein personalisiertes Ranking erhalten (Konsole) Um ein personalisiertes Ranking für einen Benutzer über die Amazon Personalize-Konsole zu erhalten, wählen Sie die Kampagne aus, die Sie verwenden, und geben Sie dann deren Benutzer-ID an, geben Sie die Liste der Artikel an, die Sie für den Benutzer ranken möchten, wählen Sie optional einen Filter und geben Sie optional alle Kontextdaten an. **Um ein personalisiertes Ranking für einen Benutzer zu erhalten** 1. Öffnen Sie zu [https://console.aws.amazon.com/personalize/Hause](https://console.aws.amazon.com/personalize/home) die Amazon Personalize Personalize-Konsole und melden Sie sich bei Ihrem Konto an. 1. Wählen Sie die Datensatzgruppe aus, die die Kampagne enthält, die Sie verwenden. 1. Wählen Sie im Navigationsbereich **Campaigns (Kampagnen)** aus. 1. Wählen Sie auf der Seite **Kampagnen** die Zielkampagne aus. 1. Geben Sie unter **Kampagnenergebnisse testen** die **Benutzer-ID** des Benutzers ein, für den Sie Empfehlungen erhalten möchten. 1. Geben Sie unter **Artikel IDs** die Liste der Artikel ein, die für den Benutzer eingestuft werden sollen. 1. Wählen Sie optional einen Filter aus. Weitere Informationen finden Sie unter [Empfehlungen und Benutzersegmente filtern](filter.md). 1. Wenn Sie Metadaten in Empfehlungen für Ihre Kampagne aktiviert haben, wählen Sie für **Artikeldatensatz-Spalten** die Metadatenspalten aus, die Sie in die Empfehlungsergebnisse aufnehmen möchten. Informationen zur Aktivierung von Metadaten finden Sie unter[Artikelmetadaten in Empfehlungen](campaigns.md#create-campaign-return-metadata). 1. Wenn Ihre Kampagne kontextbezogene Metadaten verwendet (Informationen zu den Anforderungen finden Sie unter[Erhöhung der Relevanz von Empfehlungen mit kontextuellen Metadaten](contextual-metadata.md)), geben Sie optional Kontextdaten an. Geben Sie für jeden Kontext für den **Schlüssel** das Metadatenfeld und für den **Wert** die Kontextdaten ein. 1. Wählen Sie **Personalisierte Artikelranglisten abrufen** aus. Es wird eine Tabelle mit den Elementen angezeigt, die in der Reihenfolge ihres voraussichtlichen Interesses für den Benutzer geordnet sind. # Ein personalisiertes Ranking erhalten (AWS CLI) Die folgenden Codebeispiele zeigen, wie Sie mit den verschiedenen Varianten ein personalisiertes Ranking erzielen können. AWS CLI **Topics** + [Ein personalisiertes Ranking erhalten](#personalized-ranking-cli-sample) + [Aufnahme von Artikelmetadaten in ein personalisiertes Ranking](#getting-personalized-ranking-with-metadata-cli) ## Ein personalisiertes Ranking erhalten Verwenden Sie den folgenden `get-personalized-ranking` Befehl, um ein personalisiertes Ranking mit dem zu erhalten AWS CLI. Geben Sie den Amazon-Ressourcennamen (ARN) für Ihre Kampagne und die Benutzer-ID für den Benutzer an und stellen Sie eine Artikelliste IDs für die Artikel bereit, die für den Benutzer eingestuft werden sollen (jeweils durch ein Leerzeichen getrennt). Die Elemente, die eingestuft werden sollen, müssen in den Daten enthalten sein, die Sie zum Trainieren der Lösungsversion verwendet haben. Eine Liste der nach Rangfolge bewerteten Empfehlungen wird angezeigt. Amazon Personalize betrachtet das erste Element in der Liste, das für den Benutzer am interessantesten ist. ``` aws personalize-runtime get-personalized-ranking \ --campaign-arn Campaign ARN \ --user-id 12 \ --input-list 3 4 10 8 12 7 ``` ## Aufnahme von Artikelmetadaten in ein personalisiertes Ranking Wenn Sie Metadaten in Empfehlungen für Ihre Kampagne aktiviert haben, können Sie die Metadatenspalten des Artikeldatensatzes angeben, die in die Antwort aufgenommen werden sollen. Informationen zur Aktivierung von Metadaten finden Sie unter[Artikelmetadaten in Empfehlungen](campaigns.md#create-campaign-return-metadata). Das folgende Codebeispiel zeigt, wie Sie die Metadatenspalten als Teil Ihrer Anfrage für ein personalisiertes Ranking angeben. ``` aws personalize-runtime get-personalized-ranking \ --campaign-arn Campaign ARN \ --user-id 12 \ --input-list 3 4 10 8 12 7 --metadata-columns "{\"ITEMS\": ["\"columnNameA"\","\"columnNameB"\"]}" ``` # Ein personalisiertes Ranking erhalten (AWS SDKs) Die folgenden Codebeispiele zeigen, wie Sie mit den verschiedenen Varianten ein personalisiertes Ranking erzielen können. AWS SDKs **Topics** + [Ein personalisiertes Ranking erhalten](#personalized-ranking-sdk-sample) + [Aufnahme von Artikelmetadaten in ein personalisiertes Ranking](#getting-personalized-ranking-with-metadata-sdk) + [Abrufen eines personalisierten Rankings mithilfe von kontextuellen Metadaten](#personalized-ranking-contextual-metadata-example) ## Ein personalisiertes Ranking erhalten Der folgende Code zeigt, wie Sie ein personalisiertes Ranking für einen Benutzer erhalten. Geben Sie die Benutzer-ID und eine Liste von Elementen IDs an, die für den Benutzer eingestuft werden sollen. Das Element IDs muss in den Daten enthalten sein, mit denen Sie die Lösungsversion trainiert haben. Es wird eine Liste von Empfehlungen mit Rangfolge zurückgegeben. Amazon Personalize betrachtet das erste Element in der Liste, das für den Benutzer am interessantesten ist. ------ #### [ SDK for Python (Boto3) ] ``` import boto3 personalizeRt = boto3.client('personalize-runtime') response = personalizeRt.get_personalized_ranking( campaignArn = "Campaign arn", userId = "UserID", inputList = ['ItemID1','ItemID2'] ) print("Personalized Ranking") for item in response['personalizedRanking']: print (item['itemId']) ``` ------ #### [ SDK for Java 2.x ] ``` public static List getRankedRecs(PersonalizeRuntimeClient personalizeRuntimeClient, String campaignArn, String userId, ArrayList items) { try { GetPersonalizedRankingRequest rankingRecommendationsRequest = GetPersonalizedRankingRequest.builder() .campaignArn(campaignArn) .userId(userId) .inputList(items) .build(); GetPersonalizedRankingResponse recommendationsResponse = personalizeRuntimeClient.getPersonalizedRanking(rankingRecommendationsRequest); List rankedItems = recommendationsResponse.personalizedRanking(); int rank = 1; for (PredictedItem item : rankedItems) { System.out.println("Item ranked at position " + rank + " details"); System.out.println("Item Id is : " + item.itemId()); System.out.println("Item score is : " + item.score()); System.out.println("---------------------------------------------"); rank++; } return rankedItems; } catch (PersonalizeRuntimeException e) { System.err.println(e.awsErrorDetails().errorMessage()); System.exit(1); } return null; } ``` ------ #### [ SDK for JavaScript v3 ] ``` // Get service clients module and commands using ES6 syntax. import { GetPersonalizedRankingCommand } from "@aws-sdk/client-personalize-runtime"; import { personalizeRuntimeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeRuntimeClient = new PersonalizeRuntimeClient({ region: "REGION"}); // Set the ranking request parameters. export const getPersonalizedRankingParam = { campaignArn: "CAMPAIGN_ARN" /* required */, userId: "USER_ID" /* required */, inputList: ["ITEM_ID_1", "ITEM_ID_2", "ITEM_ID_3", "ITEM_ID_4"], }; export const run = async () => { try { const response = await personalizeRuntimeClient.send( new GetPersonalizedRankingCommand(getPersonalizedRankingParam), ); console.log("Success!", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` ------ ## Aufnahme von Artikelmetadaten in ein personalisiertes Ranking Wenn Sie Metadaten in Empfehlungen für Ihre Kampagne aktiviert haben, können Sie die Metadatenspalten des Artikeldatensatzes angeben, die in die Antwort aufgenommen werden sollen. Informationen zur Aktivierung von Metadaten finden Sie unter[Artikelmetadaten in Empfehlungen](campaigns.md#create-campaign-return-metadata). Das folgende Codebeispiel zeigt, wie Sie die Metadatenspalten als Teil Ihrer Anfrage für ein personalisiertes Ranking angeben. ``` import boto3 personalizeRt = boto3.client('personalize-runtime') response = personalizeRt.get_personalized_ranking( campaignArn = "Campaign arn", userId = "UserID", inputList = ['ItemID1','ItemID2'], metadataColumns = { "ITEMS": ['columnNameA','columnNameB'] } ) print("Personalized Ranking") for item in response['personalizedRanking']: print (item['itemId']) print (item['metadata']) ``` ## Abrufen eines personalisierten Rankings mithilfe von kontextuellen Metadaten Verwenden Sie den folgenden Code, um ein personalisiertes Ranking basierend auf kontextbezogenen Metadaten zu erhalten. Geben Sie für jedes Schlüssel-Wert-Paar das Metadatenfeld als Schlüssel und die Kontextdaten als Wert an. `context` Im folgenden Beispielcode ist der Schlüssel `DEVICE` und der Wert ist. `mobile phone` Ersetzen Sie diese Werte und das `Campaign ARN` und `User ID` durch Ihre eigenen. Wechseln Sie auch `inputList` zu einer Liste von Elementen IDs , die in den Daten enthalten sind, die Sie zum Trainieren der Lösung verwendet haben. Amazon Personalize betrachtet das erste Element in der Liste, das für den Benutzer am interessantesten ist. ``` import boto3 personalizeRt = boto3.client('personalize-runtime') response = personalizeRt.get_personalized_ranking( campaignArn = "Campaign ARN", userId = "User ID", inputList = ['ItemID1', 'ItemID2'], context = { 'DEVICE': 'mobile phone' } ) print("Personalized Ranking") for item in response['personalizedRanking']: print(item['itemId']) ``` ## Beispielnotizbuch mit personalisiertem Ranking [Ein Beispiel für ein Jupyter-Notizbuch, das zeigt, wie das Rezept für personalisiertes Ranking verwendet wird, finden Sie unter Beispiel für personalisiertes Ranking.](https://github.com/aws-samples/amazon-personalize-samples/blob/master/next_steps/core_use_cases/personalized_ranking/personalize_ranking_example.ipynb)