翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # Amazon Personalize に関するよくある質問 以下は、Amazon Personalize でのデータのインポート、トレーニング、モデルのデプロイ、レコメンデーション、フィルターに関するよくある質問への回答です。 その他の質問と回答については、[Amazon Personalize サンプル](https://github.com/aws-samples/amazon-personalize-samples)リポジトリの「[Amazon Personalize のチートシート](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md)」を参照してください **Topics** + [データのインポートと管理](#data-import-questions) + [カスタムソリューションとソリューションバージョンの作成](#training-questions) + [モデルのデプロイ (カスタムキャンペーン)](#deployment-questions) + [推奨事項](#recommendations-questions) + [レコメンデーションのフィルタリング](#filters-questions) ## データのインポートと管理 *バルクデータはどのような形式にすべきですか?* 入力データをコンマ区切り値 (CSV) 形式である必要があります。CSV データセットファイルの最初の行には、ファイルヘッダーが含まれている必要があります。CSV ファイルの列ヘッダーは、データセットを作成するためにスキーマに対応している必要があります。データに ASCII でエンコードされていない文字が含まれている場合は、CSV ファイルを UTF-8 形式でエンコードする必要があります。ヘッダーを引用符 (") で囲まないでください。`TIMESTAMP` および `CREATION_TIMESTAMP` データは *UNIX エポック*時間形式である必要があります。データのインポートの詳細については、「[タイムスタンプのデータ](interactions-datasets.md#timestamp-data)」を参照してください。スキーマの詳細については、「[Amazon Personalize スキーマのスキーマ JSON ファイルの作成](how-it-works-dataset-schema.md)」を参照してください。 データフォーマットのガイドラインの詳細については、「[Amazon Personalize のトレーニングデータの準備](preparing-training-data.md)」を参照してください。データのフォーマット方法がわからない場合は、Amazon SageMaker AI Data Wrangler (Data Wrangler) を使用してデータを準備できます。詳細については、「[Amazon SageMaker AI Data Wrangler を使用したバルクデータの準備およびインポート](preparing-importing-with-data-wrangler.md)」を参照してください。 *どの程度のトレーニングが必要ですか?* すべてのユースケース (ドメインデータセットグループ) とカスタムレシピにおいて、インタラクションデータには以下が必要です。 + カタログ内のアイテムを操作したユーザーからのアイテムインタラクションレコードが少なくとも 1000 件ある。これらのインタラクションは、一括インポート、ストリーミングイベント、あるいはその両方からのものである。 + それぞれに 2 回以上のアイテムインタラクションを伴う 25 個以上のユニークユーザー ID。 質の高いレコメンデーションを行うには、1,000 人以上のユーザーからのアイテムインタラクションが少なくとも 50,000 件あり、それぞれ 2 回以上のアイテムインタラクションがあることが推奨されます。 空のアイテムインタラクションデータセットから始めて、十分なデータを記録したら、新しく記録されたイベントのみを使用して、レコメンダー (ドメインデータセットグループ) またはカスタムソリューションバージョンを作成できます。一部のレシピとユースケースには、追加のデータ要件がある場合があります。ユースケースの要件については、レシピ要件の詳細については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。 *アイテムやユーザーの属性を更新する方法を教えてください。* Amazon Personalize コンソール、[PutItems](API_UBS_PutItems.md) または [PutUsers](API_UBS_PutUsers.md) オペレーションを使用して、同じアイテム ID を持つものの属性が変更されたアイテムまたはユーザーをインポートします。 *アイテムまたはユーザーを削除する方法* Amazon Personalize は、特定のアイテムまたはユーザーの削除をサポートしていません。アイテムやユーザーがレコメンデーションに表示されないようにするには、フィルターを使用して商品を除外します。詳細については、「[レコメンデーションとユーザーセグメントのフィルタリング](filter.md)」を参照してください。 *スキーマを削除する方法* スキーマは [DeleteSchema](API_DeleteSchema.md) 操作でのみ削除できます。Amazon Personalize コンソールでは、スキーマを削除することはできません。 ## カスタムソリューションとソリューションバージョンの作成 *どのレシピを使うべきですか?* 使用する Amazon Personalize レシピは、ユースケースによって異なります。ユースケースとレシピを一致させる方法については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。「[Amazon Personalize チートシート](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md)」には、ユースケースとレシピの情報も含まれています。 *どのくらいの頻度でトレーニングすればよいですか?* 少なくとも週 1 回のトレーニング頻度で自動トレーニングを使用することをお勧めします。自動トレーニングにより、レコメンデーションの関連性を簡単に維持できます。トレーニングの頻度は、ビジネス要件、使用するレシピ、データをインポートする頻度によって異なります。詳細については、「[自動トレーニングの設定](solution-config-auto-training.md)」を参照してください。関連性の維持については、「[レコメンデーションの関連性の維持](maintaining-relevance.md)」を参照してください。 *AutoML を使うべきですか?* いいえ。代わりに、ユースケースをさまざまな Amazon Personalize レシピと一致させ、レシピを選択することをお勧めします。ユースケースとレシピを一致させる方法については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。 ## モデルのデプロイ (カスタムキャンペーン) *キャンペーンの minProvisionedTPS には何を設定する必要がありますか?* `minProvisionedTPS` の値を高く設定するとコストが増加します。最初は `minProvisionedTPS` に 1 を使用することをお勧めします (デフォルト)。Amazon CloudWatch メトリクスを使用して使用状況を追跡し、必要に応じて `minProvisionedTPS` を引き上げます。 *キャンペーンの費用をモニタリングする方法を教えてください。* Amazon Personalize Monitor プロジェクトは、Amazon Personalize キャンペーン用の CloudWatch ダッシュボード、カスタムメトリックス、使用率アラーム、およびコスト最適化機能を提供します。[Amazon Personalizeのサンプル](https://github.com/aws-samples/amazon-personalize-samples)リポジトリにある「[Amazon Personalize モニター](https://github.com/aws-samples/amazon-personalize-monitor)」を参照してください。 *キャンペーンの最大トランザクションスループットを設定する方法を教えてください。* 設定できるのはキャンペーンの*最小*スループットだけです。Amazon Personalize のキャンペーンを作成する場合、アプリケーションユーザー向けのリアルタイムのレコメンデーションを作成するための専用のトランザクション容量を指定します。TPS が `minProvisionedTPS` を超えて増加した場合、Amazon Personalize はプロビジョンド容量を自動スケーリングしますが、`minProvisionedTPS` を下回ることはありません。詳細については、「[1 秒あたりの最小プロビジョンドトランザクション数とオートスケーリング](campaigns.md#min-tps-auto-scaling)」を参照してください。 ## 推奨事項 *Amazon Personalize モデルが品質に関する推奨事項を生成しているかどうかはどうすればわかりますか?* オフラインとオンラインの指標 (「[メトリクスを使用して Amazon Personalize ソリューションバージョンを評価する](working-with-training-metrics.md)」を参照) とオンラインテスト (A/B テストなど) を使用して、ソリューションバージョンのパフォーマンスを評価します。A/B テストの詳細については、「[A/B テストを使用したレコメンデーションの影響の測定](ab-testing-recommendations.md)」を参照してください。 *バッチ推論ジョブを削除する方法と、そのステータスが「アクティブ」なのはなぜですか?* バッチ推論ジョブは削除できません。バッチ推論ジョブのステータスが*アクティブ*になると、ジョブは完了です。出力 Amazon S3 バケットまたはフォルダでレコメンデーションにアクセスできます。バッチ推論ジョブが完了しても、追加コストは発生しません。ただし、Amazon S3 などの他のサービスでは、入出力データのストレージに追加料金がかかる場合があります。 *SIMS が支援するキャンペーンで、メタデータに基づいて類似していないアイテムが推奨されるのはなぜですか?* SIMS は、色や料金などのアイテムメタデータではなく、アイテムインタラクションデータセットを使用して類似性を判断します。SIMS は、Interactions データセットのユーザー履歴でアイテムの共起を識別して、類似アイテムを推奨します。詳細については、「[SIMS の recipe](native-recipe-sims.md)」を参照してください。 *1 回の GetRecommendations API オペレーションで 500 個を超えるアイテムを取得することはできますか?* 500 個は、1 回の [GetRecommendations](API_RS_GetRecommendations.md) で取得できるアイテムの最大数です。この値を増やすことはできません。 ## レコメンデーションのフィルタリング *おすすめ商品が期待どおりにフィルタリングされないのはなぜですか？* これは、さまざまな理由で発生する可能性があります。 + フィルター式の形式や構文に問題がある可能性があります。フィルター式の例については、「[フィルター式の例](filter-expression-examples.md)」を参照してください。 + Amazon Personalize は、イベントタイプごとに、ユーザー 1 人あたり最大 100 件の最新のインタラクションを考慮します。これは調整可能なクォータです。[Service Quotas コンソール](https://console.aws.amazon.com/servicequotas/)を使用してクォータの増加をリクエストできます。ユーザーのアイテムインタラクションを 3 か月間インポートしない場合、フィルターはユーザーの履歴データを考慮しなくなります。このデータを考慮するには、ユーザーのイベント履歴全体を再度インポートする必要があります。 詳細については、「[レコメンデーションとユーザーセグメントのフィルタリング](filter.md)」を参照してください。 *購入済みの商品をレコメンデーションから削除する方法を教えてください。* ECOMMERCE ドメインデータセットグループでは、[おすすめ](ECOMMERCE-use-cases.md#recommended-for-you-use-case) または [X を閲覧したお客様はこちらも閲覧しました](ECOMMERCE-use-cases.md#customers-also-viewed-use-case) ユースケースのレコメンダーを作成すると、Amazon Personalize は、指定した userId と `Purchase` イベントに基づいて、ユーザーが購入したアイテムを自動的にフィルタリングします。 他のドメインデータセットグループのユースケースやカスタムリソースでは、フィルターを使用して購入したアイテムを削除します。データに `Purchased` イベントタイプ属性を追加し、`PutItems`オペレーションと共に*購入*イベントを記録して、購入アイテムをレコメンデーションから削除するフィルターを作成します。例えば、次のようになります。 ``` EXCLUDE ItemID WHERE Interactions.EVENT_TYPE IN ("purchased") ``` 詳細については、「[レコメンデーションとユーザーセグメントのフィルタリング](filter.md)」を参照してください。