Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Come funziona Amazon Personalize
Amazon Personalize utilizza i tuoi dati per addestrare modelli di raccomandazione basati su domini o personalizzabili. Nella tua applicazione utilizzi un'API di raccomandazione privata per richiedere consigli in tempo reale. Amazon Personalize supporta anche flussi di lavoro in batch, ottieni consigli sugli articoli e segmenti di utenti.
![\[Descrive il flusso di lavoro di Amazon Personalize, dall'importazione dei dati, all'addestramento di un modello, all'ottenimento di consigli.\]](http://docs.aws.amazon.com/it_it/personalize/latest/dg/images/how-it-works.png)
**Topics**
+ [Dettagli del flusso di lavoro di Amazon Personalize](personalize-workflow.md)
+ [Termini di Amazon Personalize](terms.md)
+ [Tipi di dati che Amazon Personalize può utilizzare](datasets.md)
# Dettagli del flusso di lavoro di Amazon Personalize
Il flusso di lavoro di Amazon Personalize è il seguente. Per una lista di controllo che fornisce elenchi di caratteristiche, requisiti e linee guida sui dati di Amazon Personalize, consulta la. [Lista di controllo della prontezza](readiness-checklist.md)
1. **[Abbina il tuo caso d'uso alle risorse Amazon Personalize](use-cases-and-recipes.md)**: Amazon Personalize offre risorse basate sul dominio e risorse personalizzate configurate per diversi casi. Quando abbini il tuo caso d'uso a una risorsa Amazon Personalize, prendi nota dei relativi requisiti in materia di dati. Dopo aver scelto un caso d'uso o una ricetta, queste informazioni possono aiutarti nella preparazione dei dati.
1. **[Prepara i dati di formazione](preparing-training-data.md)**: in base al caso d'uso del dominio o ai requisiti di dati della ricetta personalizzata, prepara i dati di formazione di massa in un file CSV. A seconda del caso d'uso o della ricetta, Amazon Personalize può utilizzare i dati di interazione tra elementi, elementi, utenti, azioni e azioni. Se non disponi di dati in blocco, puoi utilizzare operazioni di importazione individuali per raccogliere dati e trasmettere eventi in streaming fino a soddisfare i requisiti di formazione di Amazon Personalize e i requisiti relativi ai dati del caso d'uso o della ricetta del tuo dominio.
1. **[Crea file JSON di schema per i tuoi dati](how-it-works-dataset-schema.md)**: crea file JSON di schema per ogni tipo di dati che stai importando. Questi file descrivono la struttura e il contenuto dei dati, inclusi i nomi delle colonne e i relativi tipi di dati.
1. **[Crea un gruppo di set di dati: un gruppo](data-prep-ds-group.md)** di set di dati è un contenitore per le risorse di Amazon Personalize. Puoi creare un gruppo di set di dati di dominio con risorse preconfigurate per domini VIDEO\$1ON\$1DEMAND o ECOMMERCE. Oppure puoi creare un gruppo di set di dati personalizzato e creare solo risorse personalizzate.
1. **[Crea schemi e set](data-prep-creating-datasets.md)** di dati: uno *schema* indica ad Amazon Personalize la struttura dei dati e consente ad Amazon Personalize di analizzare i dati. Un *set* di dati è un contenitore per i dati di addestramento in Amazon Personalize.
1. **[Importa i dati di addestramento in set](import-data.md)** di dati: importa i record di interazioni, elementi, utenti, azioni o interazioni preparati. Puoi importare i record in blocco o singolarmente.
1. **Addestra e implementa un modello**: per addestrare e implementare un modello per i domini VIDEO\$1ON\$1DEMAND o ECOMMERCE, devi creare consiglieri di dominio. Per le risorse personalizzate, crei una soluzione personalizzata e una versione della soluzione. Per ottenere consigli in tempo reale, distribuisci la versione della soluzione in una campagna.
+ Per informazioni sulla creazione di un sistema di raccomandazione di dominio, consulta. [Consigliatori di domini](creating-recommenders.md)
+ Per informazioni sulla creazione e la distribuzione di risorse personalizzate, vedere. [Risorse personalizzate](create-custom-resources.md)
1. **[Ottieni consigli](getting-recommendations.md)**: utilizza il tuo programma di raccomandazione o la tua campagna personalizzata per ottenere consigli. Puoi utilizzare i filtri per includere o escludere determinati tipi di articoli dai consigli. Per ulteriori informazioni, consulta [Suggerimenti di filtraggio e segmenti di utenti](filter.md). Con le risorse personalizzate, puoi anche ottenere consigli in batch o segmenti di utenti senza creare una campagna.
1. **[Registra eventi in tempo reale](recording-events.md)**: registra gli eventi in tempo reale mentre i tuoi clienti interagiscono con i consigli. Questo amplia i dati sulle interazioni e li mantiene aggiornati. Inoltre, comunica ad Amazon Personalize gli interessi attuali dell'utente, il che può migliorare la pertinenza dei consigli.
Dopo aver completato il flusso di lavoro di Amazon Personalize per la prima volta, mantieni aggiornati i dati e riqualifica regolarmente tutte le soluzioni personalizzate che utilizzano la formazione manuale. Ciò consente al modello di apprendere dalle attività più recenti dell'utente e sostiene e migliora la pertinenza dei consigli. Per ulteriori informazioni, consulta [Mantenere la pertinenza delle raccomandazioni](maintaining-relevance.md).
# Termini di Amazon Personalize
Questa sezione presenta i termini utilizzati in Amazon Personalize.
**Topics**
+ [Importazione e gestione dei dati](#data-terms)
+ [Addestramento](#training-terms)
+ [Implementazione e consigli del modello](#deployment-terms)
## Importazione e gestione dei dati
I seguenti termini si riferiscono all'importazione, all'esportazione e alla formattazione di dati in Amazon Personalize.
**set di dati sulle azioni**
Un contenitore per i metadati sulle tue azioni. Un'azione è un'attività che genera coinvolgimento o ricavi che potresti consigliare ai tuoi utenti, ad esempio l'installazione dell'app per dispositivi mobili o l'adesione al tuo programma di fidelizzazione. I metadati per le azioni possono includere il timestamp di scadenza dell'azione, il valore, i dati sulla frequenza di ripetizione e i metadati categoriali. Questo tipo di dati viene utilizzato solo da. [Next-Best-Action ricetta](native-recipe-next-best-action.md)
**azioni, interazioni, set di dati**
Un contenitore per dati storici e in tempo reale raccolti dalle interazioni tra utenti e azioni. Ogni interazione di azione è costituita da un UserID, un ActionID, un timestamp, un tipo di evento e qualsiasi dato aggiuntivo sull'interazione, come i metadati categorici. Questo tipo di dati viene utilizzato solo da. [Next-Best-Action ricetta](native-recipe-next-best-action.md)
**metadati contestuali**
Dati sulle interazioni che raccogli sul contesto di navigazione di un utente (come il dispositivo utilizzato o la posizione) quando si verifica un evento (come un clic). I metadati contestuali possono migliorare la pertinenza dei suggerimenti per gli utenti nuovi ed esistenti.
**set di dati**
Un contenitore per i dati che carichi su Amazon Personalize. Esistono cinque tipi di set di dati di Amazon Personalize: Users, Items, Items, Item Interactions Item, Dataset Action Interactions e Actions.
**gruppo di set di dati**
Un contenitore per le risorse di Amazon Personalize, inclusi set di dati, consigli di dominio e risorse personalizzate. Un gruppo di set di dati organizza le risorse in raccolte indipendenti, in cui le risorse di un gruppo di set di dati non possono influenzare le risorse di nessun altro gruppo di set di dati. Un gruppo di set di dati può essere un gruppo di set di dati di dominio o un gruppo di set di dati personalizzato.
**Gruppo di set di dati di dominio**
Un gruppo di set di dati contenente risorse preconfigurate per diversi domini aziendali e casi d'uso. Amazon Personalize gestisce il ciclo di vita dei modelli di formazione e della distribuzione. Quando crei un gruppo di set di dati di Domain, scegli il dominio aziendale, importi i dati e crei suggerimenti per ciascuno dei tuoi casi d'uso. Utilizzi il programma di raccomandazione nell'applicazione per ottenere consigli sull'operazione. GetRecommendations
Se inizi con un gruppo di set di dati Domain, puoi comunque aggiungere risorse personalizzate come soluzioni e versioni di soluzioni addestrate con ricette per casi d'uso personalizzati.
**Gruppo di set di dati personalizzato**
Un gruppo di set di dati contenente solo risorse personalizzate, tra cui soluzioni, versioni di soluzioni, filtri, campagne e processi di inferenza in batch. Si utilizza una campagna per ottenere consigli sull' GetRecommendationsoperazione. Gestisci il ciclo di vita dei modelli di formazione e dell'implementazione. Se inizi con un gruppo di set di dati personalizzato, non puoi associarlo a un dominio in un secondo momento. Crea invece un nuovo gruppo di set di dati Domain.
**processo di esportazione del set di dati**
Uno strumento di esportazione dei record che invia i record di un set di dati in uno o più file CSV in un bucket Amazon S3. Il file CSV di output include una riga di intestazione con nomi di colonna che corrispondono ai campi dello schema del set di dati.
**processo di importazione del set di dati**
Uno strumento di importazione in blocco che popola il tuo set di dati Amazon Personalize con i dati di un file CSV nel tuo bucket Amazon S3.
**evento**
Un'azione dell'utente, ad esempio un clic, un acquisto o la visualizzazione di un video, che registri e carichi su un set di dati sulle interazioni di Amazon Personalize Item. Importi eventi in blocco da un file CSV, in modo incrementale con la console Amazon Personalize e in tempo reale.
**impressioni esplicite**
Un elenco di articoli che aggiungi manualmente a un set di dati sulle interazioni di Amazon Personalize Item. A differenza delle impressioni implicite, che Amazon Personalize ricava automaticamente dai dati delle tue raccomandazioni, sei tu a scegliere cosa includere nelle impressioni esplicite.
**impressioni implicite**
I consigli che l'applicazione mostra all'utente. A differenza delle impressioni esplicite, che aggiungi manualmente a un set di dati sulle interazioni tra articoli, Amazon Personalize ricava automaticamente le impressioni implicite dai tuoi dati di raccomandazione.
**dati delle impressioni**
L'elenco di elementi che hai presentato a un utente quando interagiva con un determinato articolo facendo clic su di esso, guardandolo, acquistandolo e così via. Amazon Personalize utilizza i dati delle impressioni per calcolare la pertinenza di nuovi articoli per un utente in base alla frequenza con cui ha selezionato o ignorato lo stesso articolo.
**set di dati sulle interazioni**
Un contenitore per dati storici e in tempo reale raccolti dalle interazioni tra utenti ed elementi (chiamate *[eventi](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#event)*). I dati sulle interazioni possono includere dati sul tipo di evento e [metadati contestuali](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#contextual-metadata).
**set di dati di articoli**
Un contenitore per i metadati sui tuoi articoli, come prezzo, genere o disponibilità.
**frequenza di ripetizione**
Un tipo di metadati di azione che puoi importare in un set di dati Actions. I dati sulla frequenza di ripetizione specificano quanti giorni Amazon Personalize deve attendere per consigliare una particolare azione dopo che un utente ha interagito con essa, in base alla cronologia dell'utente nel set di dati sulle interazioni Action.
**schema**
Un oggetto JSON in formato [Apache Avro](https://avro.apache.org/docs/current/) che comunica ad Amazon Personalize la struttura dei tuoi dati. Amazon Personalize utilizza il tuo schema per analizzare i dati.
**set di dati degli utenti**
Un contenitore per i metadati sui tuoi utenti, come età, sesso o iscrizione al programma fedeltà.
## Addestramento
I seguenti termini si riferiscono alla formazione di un modello in Amazon Personalize.
**item-to-item ricetta per le somiglianze (SIMS)**
Una ricetta *[RELATED\$1ITEMS](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#related-items)* che utilizza i dati di un set di dati Interactions per fornire consigli per elementi simili a un elemento specificato. La ricetta SIMS calcola la somiglianza in base al modo in cui gli utenti interagiscono con gli articoli anziché abbinare i metadati degli articoli, come il prezzo o il colore.
**affinità tra articoli**
Una ricetta USER\$1SEGMENTATION che utilizza i dati di un set di dati sulle interazioni tra elementi e sul set di dati Items per creare segmenti di utenti per ogni elemento specificato in base alla probabilità che gli utenti interagiscano con l'elemento.
**item-attribute-affinity**
Una ricetta USER\$1SEGMENTATION che utilizza i dati di un set di dati sulle interazioni tra oggetti e sul set di dati Items per creare un segmento utente per ogni attributo dell'articolo specificato in base alla probabilità che gli utenti interagiscano con gli elementi con l'attributo.
**Next-Best-Action ricetta**
Questa ricetta genera consigli in tempo reale per le prossime azioni migliori per i tuoi utenti. La prossima azione migliore per un utente è quella che molto probabilmente intraprenderà. Ad esempio, l'iscrizione al programma fedeltà, il download dell'app o la richiesta di una carta di credito. Per ulteriori informazioni, consulta [Next-Best-Action ricetta](native-recipe-next-best-action.md).
**Ricetta personalizzata-Ranking-v2**
Una ricetta *[PERSONALIZED\$1RANKING che classifica](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#personalized-ranking-recipes)* una raccolta di elementi forniti in base al livello di interesse previsto per un utente specifico. Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende dai dati sulle interazioni degli elementi, dai metadati degli elementi e dai metadati degli utenti. Usa la ricetta Personalized-Ranking-v 2 per personalizzare l'ordine degli elenchi curati di elementi o dei risultati di ricerca personalizzati per un utente specifico. Può allenarsi su un massimo di 5 milioni di articoli e generare consigli più pertinenti con una latenza inferiore rispetto alla versione precedente.
**ricetta con classificazione personalizzata**
Una ricetta *[PERSONALIZED\$1RANKING che classifica](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#personalized-ranking-recipes)* una raccolta di elementi forniti in base al livello di interesse previsto per un utente specifico. Utilizza la ricetta di classificazione personalizzata per personalizzare l'ordine degli elenchi curati di elementi o dei risultati di ricerca personalizzati per un utente specifico.
**ricetta di conteggio popolarità**
Una ricetta *[USER\$1PERSONALIZATION](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* che consiglia gli elementi che hanno il maggior numero di interazioni con utenti unici.
**raccomandatore**
Uno strumento per gruppi di set di dati di dominio che genera consigli. Crei un programma di raccomandazione per un gruppo di set di dati di Domain e lo utilizzi nell'applicazione per ottenere consigli in tempo reale con l'API. GetRecommendations Quando crei un programma di raccomandazione, specifichi un caso d'uso e Amazon Personalize addestra i modelli supportando il programma con le migliori configurazioni per il caso d'uso.
**ricetta**
Un algoritmo Amazon Personalize preconfigurato per prevedere gli articoli con cui un utente interagirà (per le ricette USER\$1PERSONALIZATION), calcolare articoli simili a articoli specifici per i quali un utente ha mostrato interesse (per le ricette RELATED\$1ITEMS) o classificare una raccolta di articoli che fornisci in base all'interesse previsto per un utente specifico (per le ricette PERSONALIZED\$1RANKING).
**soluzione**
La ricetta, i parametri personalizzati e i modelli addestrati (versioni della soluzione) che Amazon Personalize utilizza per generare consigli.
**versione della soluzione**
Un modello addestrato che crei come parte di una soluzione in Amazon Personalize. Implementa una versione della soluzione in una campagna per attivare l'API di personalizzazione che usi per richiedere consigli.
**modalità di addestramento**
L'ambito della formazione da eseguire durante la creazione di una versione della soluzione. Sono disponibili due diverse modalità: FULL e UPDATE. La modalità FULL crea una versione della soluzione completamente nuova basata sulla totalità dei dati di addestramento dei set di dati del gruppo di set di dati. UPDATE aggiorna in modo incrementale la versione esistente della soluzione per consigliare nuovi elementi aggiunti dopo l'ultimo corso di formazione.
Con User-Personalization-v 2, User-Personalization o Next-Best-Action, Amazon Personalize aggiorna automaticamente l'ultima versione della soluzione addestrata con la modalità di formazione COMPLETA. Consultare [Aggiornamenti automatici](use-case-recipe-features.md#automatic-updates).
**Ricetta User-Personalization-v2**
Una ricetta *[USER\$1PERSONALIZATION](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* che consiglia gli elementi con cui un utente interagirà in base alle sue preferenze. Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende dai dati sulle interazioni degli elementi, dai metadati degli elementi e dai metadati degli utenti. Può eseguire il training su un massimo di 5 milioni di elementi e generare consigli più pertinenti con una latenza inferiore rispetto alla versione precedente.
**Ricetta per la personalizzazione degli utenti**
Una ricetta *[USER\$1PERSONALIZZATION basata su Hierarchical Recurrent Neural Network (HRNN) che prevede gli elementi con cui un utente](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* interagirà. La ricetta user-personalization può utilizzare l'esplorazione degli elementi e i dati delle impressioni per generare suggerimenti per nuovi elementi.
## Implementazione e consigli del modello
I seguenti termini si riferiscono alla distribuzione e all'utilizzo di un modello per generare consigli.
**periodo di ottimizzazione delle azioni**
Il periodo di tempo utilizzato da Amazon Personalize per prevedere le azioni che l'utente molto probabilmente intraprenderà. Ad esempio, se il periodo di ottimizzazione delle azioni è di 14 giorni, Amazon Personalize prevede le azioni che gli utenti molto probabilmente intraprenderanno nei prossimi 14 giorni. Il periodo di ottimizzazione delle azioni viene configurato quando si crea una soluzione con. [Next-Best-Action ricetta](native-recipe-next-best-action.md)
**processo di inferenza in batch**
Uno strumento che importa i dati di input in batch da un bucket Amazon S3, utilizza la versione della soluzione per generare consigli ed esporta i consigli in un bucket Amazon S3. Ti consigliamo di utilizzare una posizione diversa per i dati di output (una cartella o un altro bucket Amazon S3). Utilizza un processo di inferenza in batch per ottenere consigli per set di dati di grandi dimensioni che non richiedono aggiornamenti in tempo reale.
**processo di segmentazione in batch**
Uno strumento che importa i dati di input in batch da un bucket Amazon S3, utilizza la versione della soluzione per creare segmenti di utenti ed esporta i segmenti di utenti in un bucket Amazon S3. Ti consigliamo di utilizzare una posizione diversa per i dati di output (una cartella o un altro bucket Amazon S3). Utilizza un processo di segmentazione in batch con una soluzione supportata da una ricetta USER\$1SEGMENTATION per creare segmenti di utenti in base alla probabilità che l'utente interagisca con elementi diversi o elementi con attributi di articolo diversi.
**campaign**
Una versione della soluzione implementata (modello addestrato) con capacità di transazione dedicata predisposta per la creazione di consigli in tempo reale per gli utenti delle applicazioni. Dopo aver creato una campagna, utilizzi le operazioni `getRecommendations` o le `getPersonalizedRanking` API per ottenere consigli.
**esplorazione di elementi**
Con l'esplorazione, i consigli includono alcuni elementi o azioni che in genere sarebbero meno propensi a essere consigliati all'utente, come nuovi elementi o azioni, elementi o azioni con poche interazioni o elementi o azioni meno pertinenti per l'utente in base al suo comportamento precedente.
**attribuzione metrica**
Uno strumento che utilizzi per misurare l'impatto dei consigli sugli articoli. Un'attribuzione metrica crea report basati sulle interazioni tra gli articoli e sui dati degli articoli importati e sulle metriche specificate. Ad esempio, la durata totale dei film guardati dagli utenti o il numero totale di clic.
**suggerimenti**
Un elenco di elementi con cui Amazon Personalize prevede che un utente interagirà. A seconda della ricetta di Amazon Personalize utilizzata, i consigli possono essere un elenco di articoli (ricette USER\$1PERSONALIZATION e RELATED\$1ITEMS) o una classifica di una raccolta di articoli da te forniti (ricette PERSONALIZED\$1RANKING).
**segmenti di utenti**
Elenchi di utenti che secondo Amazon Personalize interagiranno con il tuo catalogo. A seconda della ricetta USER\$1SEGMENTATION utilizzata, crei segmenti di utenti in base ai metadati degli articoli (ricetta Item-Affinity) e ai metadati degli articoli (ricetta). Item-Attribute-Affinity Crei segmenti di utenti con un processo di segmentazione in batch.
# Tipi di dati che Amazon Personalize può utilizzare
I seguenti argomenti introducono i diversi tipi di dati che puoi importare in Amazon Personalize.
**Topics**
+ [Dati sulle interazioni](#interactions-summary)
+ [Dati dell'articolo](#items-summary)
+ [Dati utente](#users-summary)
+ [Dati sulle azioni](#actions-summary)
+ [Azioni, interazioni, dati](#actions-interactions-summary)
## Dati sulle interazioni
Un'*interazione* è un *evento* che viene registrato e quindi importato come dati di allenamento. Amazon Personalize genera consigli principalmente sulla base dei dati di interazione. I dati sulle interazioni possono includere quanto segue:
+ Dati sul tipo di evento e sul valore dell'evento
+ Metadati contestuali
+ Dati sulle impressioni
I dati di interazione vengono importati in un *set di dati sulle interazioni degli articoli*. Per ulteriori dettagli sui set di dati sulle interazioni tra elementi, vedere. [Dati di interazione tra gli articoli](interactions-datasets.md)
## Dati dell'articolo
I metadati degli articoli che Amazon Personalize può utilizzare includono quanto segue:
+ Dati numerici su ciascun articolo, ad esempio il prezzo.
+ Metadati categorici relativi a ciascun articolo, ad esempio il genere o il colore dell'articolo.
+ Dati relativi al timestamp di creazione per ogni elemento.
+ Metadati di testo non strutturati, come descrizioni dei prodotti o sinossi dei film.
*Importi i metadati relativi ai tuoi articoli in un set di dati Items.* Per ulteriori informazioni sui set di dati Items, consulta. [Metadati degli articoli](items-datasets.md)
## Dati utente
I metadati utente che Amazon Personalize può utilizzare includono quanto segue:
+ Dati numerici relativi a ciascun utente, ad esempio l'età.
+ Metadati categorici relativi a ciascun utente, ad esempio il sesso o lo status di iscrizione al programma fedeltà.
*Importi i metadati sui tuoi utenti in un set di dati Users.* Per ulteriori informazioni sui set di dati Users, vedere. [Metadati utente](users-datasets.md)
## Dati sulle azioni
I dati sulle azioni che Amazon Personalize può utilizzare includono quanto segue:
+ Il valore o l'importanza aziendale di ogni azione.
+ Metadati categoriali per ogni azione, ad esempio stagionalità o esclusività dell'azione.
+ Dati sul timestamp di scadenza dell'azione che specificano quando Amazon Personalize deve smettere di consigliare ogni azione.
+ I dati sulla frequenza di ripetizione che specificano un periodo di tempo prolungato devono attendere Amazon Personalize prima di consigliare ogni azione dopo che un utente ha interagito con essa.
*Importi i dati sulle tue azioni in un set di dati Actions.* Non puoi creare le prossime risorse d'azione migliori, inclusi i set di dati Actions e Action Interactions, in un gruppo di set di dati di dominio. Per ulteriori informazioni sui set di dati Actions, consulta. [Metadati delle azioni](actions-datasets.md)
## Azioni, interazioni, dati
I dati che Amazon Personalize può utilizzare dalle interazioni degli utenti con le azioni includono:
+ Dati sul tipo di evento
+ Metadati categorici
I dati sulle interazioni vengono importati in un set di dati *sulle interazioni Action*. Non puoi creare le migliori risorse di azione successive, inclusi i set di dati Actions and Action Interactions, in un gruppo di set di dati di dominio. Per ulteriori dettagli sui set di dati delle interazioni Action, consulta. [Dati di interazione tra azioni](action-interactions-datasets.md)