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。
# トレーニング用のユーザーメタデータの準備
Amazon Personalize にインポートできるユーザーデータには、ユーザーの年齢などの数値データと、性別やロイヤルティメンバーシップなどカテゴリのメタデータが含まれます。ユーザーに関するメタデータを Amazon Personalize の *Users データセット*にインポートします。
ドメインのユースケースやカスタムレシピに応じて、ユーザーメタデータは、Amazon Personalize がユーザーにより関連性の高いアイテムを推奨したり、より意味のあるユーザーセグメントを推奨したりするのに役立ちます。また、トレーニング後、モデルはインタラクションデータのないユーザーにアイテムを推奨できます。ユーザーメタデータを使用するユースケースまたはレシピの詳細については、「[ユースケースを Amazon Personalize リソースと一致させる](use-cases-and-recipes.md)」のドメインユースケースまたはレシピのデータ要件を参照してください。
トレーニング中、Amazon Personalize はユーザー名、ユーザーに関するキーワード、タグなど、非カテゴリ別文字列ユーザーデータを使用しません。ただし、このデータをインポートしても、レコメンデーションが強化される可能性があります。詳細については、「[非カテゴリ別文字列データ](#user-string-data)」を参照してください。
すべてのドメインユースケースとカスタムレシピでは、一括ユーザーデータは CSV ファイルにある必要があります。ファイル内の各行は、一意のユーザーを表す必要があります。データの準備が完了したら、スキーマ JSON ファイルを作成する準備が整います。このファイルは、データの構造を Amazon Personalize に伝えます。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。
以下のセクションでは、Amazon Personalize のユーザーデータを準備する方法について詳しく説明します。すべてのタイプのデータの、バルクデータフォーマットのガイドラインについては、「[バルクデータフォーマットのガイドライン](preparing-training-data.md#general-formatting-guidelines)」を参照してください。
**Topics**
+ [ユーザーデータの要件](#user-data-requirements)
+ [カテゴリ別メタデータ](#user-categorical-data)
+ [非カテゴリ別文字列データ](#user-string-data)
+ [ユーザーメタデータの例](#users-data-example)
## ユーザーデータの要件
Amazon Personalize のユーザーデータの要件を次に示します。ユースケースとデータに応じて、さらにカスタム列を追加することができます。
+ データには、各ユーザーの一意の識別子を保存する USER\_ID 列が必要です。すべてのユーザーにユーザー ID が必要です。最大長が 256 文字の `string` である必要があります。
+ データには、少なくとも 1 つのカテゴリ文字列または数値メタデータ列が必要です。ユーザーメタデータ列には、一部のユーザーの空/null 値を含めることができます。これらの列は、少なくとも 70% 完成していることをお勧めします。
+ メタデータ列の最大数は 25 です。
十分なデータがあるかどうかわからない場合や、その品質について疑問がある場合は、Amazon Personalize データセットにデータをインポートし、Amazon Personalize を使用して分析できます。詳細については、「[Amazon Personalize データセット内のデータの品質と量の分析](analyzing-data.md)」を参照してください。
## カテゴリ別メタデータ
一部のレシピと、すべてのドメインユースケースで、Amazon Personalize は、ユーザーにとって最も関連性の高いアイテムを明らかにする基本的なパターンを識別する際に、ユーザーの性別、興味、またはメンバーシップステータスなどのカテゴリメタデータを使用します。ユースケースに基づいて独自の値の範囲を定義します。カテゴリメタデータはどの言語でもかまいません。
複数のカテゴリを持つユーザーについては、バーティカルバー「\|」を使用して各値を区切ります。例えば、INTERESTS フィールドの場合、ユーザーのデータは `Movies|TV Shows|Music` になります。
すべてのレシピとドメインで、カテゴリメタデータをインポートし、それを使用してユーザーの属性に基づいてレコメンデーションをフィルタリングできます。フィルタリングのレコメンデーションについては、「[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。
カテゴリ値には、最大 1,000 文字を使用できます。1,000 文字を超えるカテゴリ値を持つユーザーがいる場合、データセットのインポートジョブは失敗します。
## 非カテゴリ別文字列データ
ユーザー ID を除き、Amazon Personalize は、ユーザー名、ユーザーに関するキーワード、タグなどの非カテゴリ別文字列データをトレーニング時に使用しません。ただし、Amazon Personalize はレコメンデーションをフィルタリングするときにそれを使用できます。レコメンデーションを取得するユーザー (CurrentUser) の非カテゴリ別文字列データに基づいて、レコメンデーションにアイテムを含めたり、レコメンデーションからアイテムを削除したりするフィルターを作成できます。フィルターの詳細については、「[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。非カテゴリ別の値には、最大 1,000 文字まで入力できます。
## ユーザーメタデータの例
CSV ファイル内のユーザーメタデータの最初の数行は次のようになります。
```
USER_ID,AGE,GENDER,INTEREST
5,34,Male,hiking
6,56,Female,music
8,65,Male,movies|TV shows|music
...
...
```
`USER_ID` 列は必須であり、個々のユーザーごとに一意の識別子を保存します。`AGE` 列は数値メタデータです。`GENDER` 列と `INTEREST` 列には、各ユーザーのカテゴリメタデータを保存します。
データの準備が完了したら、スキーマ JSON ファイルを作成する準備が整います。このファイルは、データの構造を Amazon Personalize に伝えます。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。これは、上記のサンプルデータに対するスキーマ JSON ファイルの形式です。
```
{
"type": "record",
"name": "Users",
"namespace": "com.amazonaws.personalize.schema",
"fields": [
{
"name": "USER_ID",
"type": "string"
},
{
"name": "AGE",
"type": "int"
},
{
"name": "GENDER",
"type": "string",
"categorical": true
},
{
"name": "INTEREST",
"type": "string",
"categorical": true
}
],
"version": "1.0"
}
```