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。
# トレーニング後のデータセット内のデータの更新
カタログが大きくなるにつれて、追加のトレーニングデータをデータセットにインポートします。これは、Amazon Personalize レコメンデーションの関連性の維持および改善に役立ちます。一括または個別のデータインポートオペレーションを使用して、より多くのデータをインポートできます。
+ 個別のインポートを使用すると、Amazon Personalize は新しいレコードをデータセットに追加します。個々のアイテム、ユーザー、またはアクションを更新するには、ID は同じ、属性が変更されたレコードをインポートします。1 つのインポート操作で最大 10 個のレコードをインポートできます。
レコードを個別にインポートする方法についての詳細は、「[Amazon Personalize データセットへの個々のレコードのインポート](incremental-data-updates.md)」を参照してください。リアルタイムイベントの記録の詳細については、「[レコメンデーションに影響を与えるリアルタイムイベントの記録](recording-events.md)」を参照してください。
+ 一括インポートでは、[別のインポートジョブを作成](bulk-data-import-step.md)して、バルクデータに追加または置き換えます。データセットのインポートジョブは、一括でインポートしたデータセット内の既存のデータを置き換えます。代わりに、ジョブの[インポートモード](bulk-data-import-step.md#bulk-import-modes)を変更することで、新しいレコードを既存のデータに追加できます。
データセットのインポートジョブでアイテムインタラクションデータセットまたはアクションインタラクションデータセットにデータを追加するには、少なくとも 1,000 件の新しいインタラクションレコードまたはアクションインタラクションレコードが必要です。一括インポートの完了から 20 分以内に、Amazon Personalize は、データセットグループで作成したすべてのフィルターを、新しい一括データで更新します。この更新により、Amazon Personalize はユーザーのレコメンデーションをフィルタリングするときに最新のデータを使用できるようになります。
アイテムまたはユーザーデータセットを作成したら、そのスキーマを新規または既存のスキーマに置き換えることができます。データセットの作成後にデータ構造が変更された場合は、データセットのスキーマを置き換えることができます。例えば、Amazon Personalize にトレーニング中に考慮してほしいアイテムメタデータの新しい列が存在する場合があります。あるいは、レコメンデーションをフィルタリングする場合にのみ使用するデータ列を追加したい場合もあります。詳細については、「[データセットのスキーマを置き換えて新しい列を追加する](updating-dataset-schema.md)」を参照してください。
レコメンダーまたはカスタムソリューションバージョンを作成した後、新しいデータがレコメンデーションにどのように影響するかは、タイプ、インポート方法、使用するドメインユースケースまたはカスタムレシピによって異なります。以下のセクションでは、新しいデータが次のトレーニングの前にリアルタイムおよびバッチレコメンデーションにどのように影響するかについて説明します。
**Topics**
+ [リアルタイムイベントがレコメンデーションに与える影響](how-new-data-influences-recommendations.md)
+ [新しいデータがバッチレコメンデーションに与える影響 (カスタムリソース)](how-new-data-influences-batch-recommendations.md)
# リアルタイムイベントがレコメンデーションに与える影響
レコメンダーまたはカスタムソリューションバージョンを作成した後、新しいデータがリアルタイムのレコメンデーションにどのように影響するかは、データのタイプ、インポート方法、使用するドメインユースケースまたはカスタムレシピによって異なります。以下のセクションでは、新しいデータが次のトレーニングの前にリアルタイムのレコメンデーションにどのように影響するかについて説明します。
トレーニングとは、レコメンダーの毎週の自動トレーニング、または自動または手動のソリューションバージョンの作成です。User-Personalization を使用した手動トレーニングでは、デフォルトの `FULL` トレーニングモードを使用するように `trainingMode` を省略します。
**Topics**
+ [新しいインタラクション](#new-interactions)
+ [新しいアイテム](#new-items)
+ [新規のユーザー](#new-users)
+ [新しいアクション](#new-actions)
## 新しいインタラクション
新しいインタラクションとは、最新のトレーニング後にインポートしたアイテムまたはアクションインタラクションです。リアルタイムのデータとバルクデータの両方で、インタラクションに新しいアイテムまたはアクションが含まれる場合、レシピやユースケースが探索を特徴とする場合には、Amazon Personalize はトレーニングなしでレコメンデーションとして考慮する可能性があります。詳細については「[新しいアイテム](#new-items)」または「[新しいアクション](#new-actions)」を参照してください。
**リアルタイムイベント**
リアルタイムのパーソナライゼーションを特徴とするユースケースやレシピについては、Amazon Personalize は、最新のトレーニングに存在するユーザーとアイテムまたはアクションとの間のリアルタイムのインタラクションを即座に使用します。ベントでユーザー向けのレコメンデーションを生成する場合、Amazon Personalize はこれらのリアルタイムのインタラクションを使用します。リアルタイムのパーソナライゼーションについての詳細は、「[リアルタイムパーソナライゼーション](use-case-recipe-features.md#about-real-time-personalization)」を参照してください。
類似アイテムのレコメンデーションなど、リアルタイムのパーソナライゼーションを特徴としないドメインのユースケースやカスタムレシピでは、モデルはトレーニング後に初めてリアルタイムのインタラクションデータから学習します。
**バルクインタラクション**
*バルクインタラクション*では、増分*と*フルデータセットのインポートジョブのどちらでも、モデルは次のトレーニング後に初めてバルクアイテムインタラクションデータまたはアクションインタラクションデータから学習します。リアルタイムのパーソナライゼーションのためのレコメンデーションの更新には、バルクデータは使用されません。
バルクデータをさらにインポートする方法の詳細は、「[データセットインポートジョブを使用してバルクデータを Amazon Personalize にインポートする](bulk-data-import-step.md)」を参照してください。
## 新しいアイテム
新しいアイテムとは、最新のトレーニング後にインポートするアイテムです。アイテムデータセットのインタラクションデータまたはアイテムデータセットのアイテムメタデータのいずれかから取得できます。
新しいアイテムは、次のようにレコメンデーションの対象として考慮されます。
+ *上位のおすすめ*および*おすすめ*ドメインケースまたは User-Personalization-v2、User-Personalization または Next-Best-Action レシピでは、Amazon Personalize が 2 時間間隔でモデルを自動更新します。更新のたびに、Amazon Personalize は調査の一環としてレコメンデーションのために新しいアイテムを考慮します。新しいアイテムを検討する際、Amazon Personalize はそのアイテムのメタデータをすべて考慮します。ただし、このデータがレコメンデーションに与える影響は、そのアイテムに対するインタラクションを記録して新しいモデルをトレーニングした後でのみ大きくなります。更新については、「[自動更新](use-case-recipe-features.md#automatic-updates)」を参照してください。
+ *Trending Now* ユースケースを使用する場合、Amazon Personalize は 2 時間ごとにインタラクションデータを自動的に評価し、トレンドアイテムを特定します。レコメンダーがトレーニングを実施するのを待つ必要はありません。*Trending-Now レシピ*を使用すると、Amazon Personalize は設定可能な間隔ですべての新しいアイテムをトレーニングなしで自動的に考慮します。設定の間隔については、「[Trending-Now レシピ](native-recipe-trending-now.md)」を参照してください。
+ Trending-Now レシピを使用していない場合や、ユースケースやレシピが自動更新をサポートしていない場合、Amazon Personalize は次回のトレーニングの後にのみ新しいアイテムを考慮します。
## 新規のユーザー
新規ユーザーとは、最新のトレーニング後にインポートしたユーザーです。ユーザーデータセットのインタラクションデータまたはユーザーメタデータのいずれかから取得できます。新規の匿名ユーザー (userId を持たないユーザー) については、`sessionId` を使用してイベントをレコードできます。また、Amazon Personalize はユーザーがログインする前にイベントをユーザーに関連付けます。詳細については、「[匿名ユーザー向けのイベントの記録](recording-events.md#recording-anonymous-user-events)」を参照してください。
Amazon Personalize は、新規ユーザー向けのレコメンデーションを次のように生成します。
+ Trending Now ドメインのユースケースまたは Trending-Now カスタムレシピを使用すると、新規ユーザーには最上位のトレンドアイテムのレコメンデーションがすぐに届きます。Popularity-Count レシピを使用すると、新規ユーザーには、インタラクションが最も多い商品のレコメンデーションがすぐに届きます。
+ パーソナライズされたレコメンデーションをユーザーに提供するレシピやユースケースの場合、新規ユーザーへのレコメンデーションは既存ユーザーの初期の操作履歴に基づいて行われます。既存ユーザーが最初に操作したアイテムまたはアクションは、新規ユーザーにレコメンデーションされる可能性が高くなります。User-Personalization または Personalized-Ranking レシピでは、`recency_mask` を `true` に設定した場合、レコメンデーションにはインタラクションデータ内の最新の人気トレンドに基づくアイテムも含まれます。
次の設定を行うと、新規ユーザーへのレコメンデーションの関連性が高まります。
+ インタラクションデータ — 新規ユーザーのレコメンデーション関連性を向上させる主な方法は、そのユーザーによるアイテムの操作からデータをインポートすることです。新しいインタラクションデータがレコメンデーションにどのように影響するかについては、「[新しいインタラクション](#new-interactions)」を参照してください。
+ ユーザーメタデータ — GENDER や MEMBERSHIP\$1STATUS などのユーザーメタデータをインポートすると、レコメンデーションを改善できます。メタデータがレコメンデーションに影響を与えるには、ドメインレコメンダーによる毎週の自動の再トレーニングが完了するまで待つ必要があります。または、新しいソリューションバージョンを手動で作成する必要があります。
+ コンテキストメタデータ - ユースケースまたはレシピがコンテキストメタデータをサポートしていて、アイテムインタラクションデータセットにコンテキストデータ用のメタデータフィールドがある場合は、レコメンデーションのリクエストでユーザーのコンテキストを指定できます。これには再トレーニングは必要ありません。詳細については、「[コンテキストメタデータを使用したレコメンデーションの関連性の向上](contextual-metadata.md)」を参照してください。
## 新しいアクション
新しいアクションとは、最新のトレーニング以降にインポートしたアクションです。アクションインタラクションデータから取得することも、アクションデータセット内のアクションから取得することもできます。
Next-Best-Action レシピを使用すると、Amazon Personalize は、2 時間ごとにソリューションバージョンを自動的に更新します。更新のたびに、Amazon Personalize は調査の一環としてレコメンデーションのために新しいアクションを考慮します。新しいアクションを検討する際、Amazon Personalize はそのアクションのすべてのメタデータを考慮します。ただし、このデータがレコメンデーションに与える影響は、そのアクションのアクションインタラクションを記録して完全に再トレーニングした後でのみ大きくなります。更新については、「[自動更新](use-case-recipe-features.md#automatic-updates)」を参照してください。
# 新しいデータがバッチレコメンデーションに与える影響 (カスタムリソース)
カスタムソリューションバージョンを作成した後、新しいデータがバッチレコメンデーションにどのように影響するかは、データのタイプ、インポート方法、使用するカスタムレシピによって異なります。
ユーザーセグメントの場合、Amazon Personalize は前回のフルソリューションバージョントレーニングで提示されたデータのみを使用してセグメントを生成します。また、Amazon Personalize はインポートモードが FULL で (既存のデータを置き換えて) インポートしたバルクデータのみを使用します。ユーザーセグメントの詳細については、「[カスタムリソースを使用したバッチユーザーセグメントの取得](getting-user-segments.md)」を参照してください。
バッチアイテムレコメンデーションを生成する際、Amazon Personalize は最新のソリューションバージョン作成時に存在するすべてのバルクデータを考慮します。このデータは、フルまたは増分のインポートモードでインポートできます。新しい一括レコードがバッチレコメンデーションに影響を与えるようにするには、新しいソリューションバージョンを作成してから、バッチ推論ジョブを作成する必要があります。
以下のセクションでは、個々のインポートがバッチアイテムのレコメンデーションにどのように影響するかについて説明します。
**Topics**
+ [新しいインタラクション](#batch-new-interactions)
+ [新規のユーザー](#batch-new-users)
+ [新しいアイテム](#batch-new-items)
## 新しいインタラクション
USER\$1PERSONALIZATION または PERSONALIZED\$1RANKING レシピを使用する場合、Amazon Personalize は、データインポートから約 15 分以内に、既存のアイテムやユーザーとの新しいアイテムインタラクションデータを検討します。これらのアイテムとユーザーは、最新のトレーニングに存在している必要があります。イベントが確実に考慮されるように、15 分以上待ってからバッチ推論ジョブを開始することをお勧めします。その他のレシピ、および新しいアイテムまたはユーザーを含むイベントについては、バッチレコメンデーションに影響を与えるように、ストリーミングイベント用に新しいソリューションバージョンを作成する必要があります。
## 新規のユーザー
インタラクションデータを持たないユーザーの場合、レコメンデーションは最初は人気のあるアイテムのみを対象としています。USER\$1PERSONALIZATION や PERSONALIZED\$1RANKING レシピを使用してユーザーのイベントを記録すると、インポート後約 15 分以内に再トレーニングを行わなくても、レコメンデーションの関連性が高まる可能性があります。イベントが確実に考慮されるように、15 分以上待ってからバッチ推論ジョブを開始することをお勧めします。その他のレシピについては、インタラクションデータのないユーザーへのバッチレコメンデーションに影響を与えるために、ストリーミングイベント用に新しいソリューションバージョンを作成する必要があります。
## 新しいアイテム
User-Personalization-v2 および User-Personalization を使用すると、バッチ推論ジョブを作成し、ソリューション用に完全にトレーニングされた最新のソリューションバージョンを指定すると、Amazon Personalize は、完全にトレーニングされた最新のソリューションバージョンを自動的に更新して、探索を利用してレコメンデーションに新しいアイテムを含めます。最新のソリューションバージョンを指定しないと、更新は行われません。その他のレシピについては、レコメンデーションに含める新しいアイテム用に新しいソリューションバージョンを作成する必要があります。探索の詳細については、「[探査](use-case-recipe-features.md#about-exploration)」を参照してください。