기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# User-Personalization-v2 레시피
<a name="native-recipe-user-personalization-v2"></a>

User-Personalization-v2(aws-user-personalization-v2) 레시피는 사용자가 기본 설정에 따라 상호 작용할 항목을 추천합니다. 예를 들어 User-Personalization-v2를 사용하여 스트리밍 앱에 대한 개인화된 영화 추천 또는 소매 앱에 대한 개인화된 제품 추천을 생성할 수 있습니다. 다른 사용 사례에는 뉴스 사이트에 대한 실시간 추천 사항 생성 또는 개인 맞춤형 마케팅 캠페인에 대한 배치 추천 사항이 포함됩니다.

 User-Personalization-v2는 항목 상호 작용 및 항목 데이터세트에서 최대 5백만 개의 항목을 학습할 수 있습니다. 또한 [사용자-개인 맞춤](native-recipe-new-item-USER_PERSONALIZATION.md)보다 지연 시간이 짧고 관련성이 높은 추천 사항을 생성합니다.

 User-Personalization-v2는 데이터를 기반으로 사용자에게 가장 관련성이 높은 항목을 추천하기 때문에 상호작용 데이터가 있는 기존 항목을 더 자주 추천합니다. 추천에 새 항목이 포함되도록 생성 타임스탬프를 기반으로 일부 항목이 포함된 프로모션을 사용할 수 있습니다. 프로모션에 대한 자세한 내용은 [실시간 추천의 항목 홍보](promoting-items.md) 섹션을 참조하세요.

 이 레시피는 트랜스포머 기반 아키텍처를 사용하여 컨텍스트를 학습하고 데이터의 관계 및 패턴을 추적하는 모델을 학습합니다. *트랜스포머*는 입력 시퀀스를 출력 시퀀스로 변환하거나 변경하는 신경망 아키텍처의 한 유형입니다. Amazon Personalize의 경우 입력 시퀀스는 데이터에서 사용자의 항목 상호 작용 기록입니다. 결과 시퀀스는 개인화된 추천 사항입니다. 트랜스포머에 대한 자세한 내용은 AWS Cloud Computing Concepts Hub의 [인공 지능에서 트랜스포머란 무엇입니까?](https://aws.amazon.com/what-is/transformers-in-artificial-intelligence/)를 참조하세요.

User-Personalization-v2는 다른 레시피와 다른 요금 모델을 사용합니다. 요금에 대한 자세한 내용은 [Amazon Personalize 요금](https://aws.amazon.com/personalize/pricing/)을 참조하세요.

**Topics**
+ [레시피 기능](#user-personalization-v2-features)
+ [필수 및 선택형 데이터 세트](#user-personalization-v2-datasets)
+ [속성 및 하이퍼파라미터](#user-personalization-v2-hyperparameters)

## 레시피 기능
<a name="user-personalization-v2-features"></a>

User-Personalization-v2는 항목 추천을 생성할 때 다음 Amazon Personalize 레시피 기능을 사용합니다.
+ 실시간 개인 맞춤: Amazon Personalize는 실시간 개인 맞춤을 통해 사용자의 변화하는 관심에 따라 항목 추천을 업데이트하고 조정합니다. 자세한 내용은 [실시간 개인 맞춤](use-case-recipe-features.md#about-real-time-personalization) 섹션을 참조하세요.
+ 탐색 – 탐색을 통해 상호 작용 데이터가 적거나 사용자에 대한 관련성이 낮은 항목이 추천에 포함됩니다. User-Personalization-v2를 통해 Amazon Personalize는 탐색 구성을 처리합니다. 추천에 새 항목이 포함되도록 하기 위해 프로모션을 사용하여 생성 타임스탬프를 기반으로 새 항목을 포함할 수 있습니다. 프로모션에 대한 자세한 내용은 [실시간 추천의 항목 홍보](promoting-items.md) 섹션을 참조하세요.
+ 자동 업데이트 – Amazon Personalize는 자동 업데이트를 통해 2시간마다 최신 모델(솔루션 버전)을 자동으로 업데이트하여 추천에 새로운 항목을 고려합니다. 자세한 내용은 [자동 업데이트](use-case-recipe-features.md#automatic-updates) 섹션을 참조하세요.
+  추천 사항이 포함된 메타데이터 - User-Personalization-v2 레시피를 사용하면 메타데이터 열이 하나 이상인 항목 데이터세트가 있는 경우 캠페인은 추천 사항이 포함된 항목 메타데이터를 자동으로 포함할 수 있습니다. 캠페인에 대한 메타데이터를 수동으로 활성화하지 않았습니다. 메타데이터를 통해 사용자 인터페이스에서 추천을 강화할 수 있습니다(예: 캐러셀에 영화 장르 추가). 자세한 내용은 [추천에서 항목 메타데이터](campaigns.md#create-campaign-return-metadata) 섹션을 참조하세요.

## 필수 및 선택형 데이터 세트
<a name="user-personalization-v2-datasets"></a>

User-Personalization-v2를 사용하려면 항목 상호 작용 데이터세트를 생성하고 최소 1,000개의 항목 상호 작용을 가져와야 합니다. Amazon Personalize는 주로 항목 상호작용 데이터를 기반으로 추천을 생성합니다. 자세한 내용은 [항목 상호 작용 데이터](interactions-datasets.md) 섹션을 참조하세요. User-Personalization-v2는 항목 상호 작용 및 항목 데이터세트에서 최대 5백만 개의 항목을 학습할 수 있습니다.

User-Personalization-v2를 통해 Amazon Personalize는 다음을 포함하는 항목 상호 작용 데이터를 사용할 수 있습니다.
+ 이벤트 유형 및 이벤트 값 데이터 - Amazon Personalize는 클릭 또는 감시 이벤트 유형과 같은 이벤트 유형 데이터를 사용하여 동작의 패턴을 통해 사용자 의도와 관심을 식별합니다. 또한 이벤트 유형 및 이벤트 값 데이터를 사용하여 학습 전에 레코드를 필터링할 수 있습니다. 자세한 내용은 [이벤트 유형 및 이벤트 값 데이터](interactions-datasets.md#event-type-and-event-value-data) 섹션을 참조하세요.
**참고**  
User-Personalization-v2를 사용하면 이벤트 유형 또는 값을 기준으로 필터링하기 전에 상호 작용 데이터를 기준으로 학습 비용이 계산됩니다. 요금에 대한 자세한 내용은 [Amazon Personalize 요금](https://aws.amazon.com/personalize/pricing/)을 참조하세요.
+ 컨텍스트 메타데이터 – 컨텍스트 메타데이터는 이벤트 발생 시 사용자 환경에서 수집하는 상호작용 데이터(예: 위치 또는 디바이스 유형)입니다. 자세한 내용은 [컨텍스트 메타데이터](interactions-datasets.md#interactions-contextual-metadata) 섹션을 참조하세요.

 다음 데이터세트는 선택 사항이며 추천 사항을 개선할 수 있습니다.
+ 사용자 데이터세트 – Amazon Personalize는 사용자 데이터세트의 모든 데이터를 바탕으로 사용자와 사용자의 관심사를 더 잘 이해할 수 있습니다. 또한 사용자 데이터세트의 데이터를 사용하여 추천 사항을 필터링할 수 있습니다. 가져올 수 있는 사용자 데이터에 대한 자세한 내용은 [사용자 메타데이터](users-datasets.md) 섹션을 참조하세요.
+ 항목 데이터세트: Amazon Personalize는 항목 데이터세트의 데이터를 사용하여 행위의 연관성과 패턴을 식별합니다. 이를 통해 Amazon Personalize는 사용자와 관심사를 이해할 수 있습니다. 또한 항목 데이터세트의 데이터를 사용하여 추천 사항을 필터링할 수 있습니다. 가져올 수 있는 항목 데이터에 대한 자세한 내용은 [항목 메타데이터](items-datasets.md) 섹션을 참조하세요.

## 속성 및 하이퍼파라미터
<a name="user-personalization-v2-hyperparameters"></a>

User-Personalization-v2 레시피의 속성은 다음과 같습니다.
+  **명칭** – `aws-user-personalization-v2`
+  **레시피 리소스 이름(ARN)** - `arn:aws:personalize:::recipe/aws-user-personalization-v2`
+  **알고리즘 ARN** - `arn:aws:personalize:::algorithm/aws-user-personalization-v2`

자세한 내용은 [레시피 선택](working-with-predefined-recipes.md) 섹션을 참조하세요.

다음 표에서는 User-Personalization-v2 레시피의 하이퍼파라미터를 설명합니다. *하이퍼파라미터*는 모델 성능을 향상시키기 위해 조정할 수 있는 알고리즘 파라미터입니다. 알고리즘 하이퍼파라미터는 모델이 성능을 내는 방식을 제어합니다. 하이퍼파라미터에 대한 최적 값을 선택하는 과정을 하이퍼파라미터 최적화(HPO)라고 합니다. User-Personalization-v2를 사용할 경우 자동 학습을 켜면 Amazon Personalize가 90일마다 HPO를 자동으로 수행합니다. 자동 학습이 없으면 HPO가 발생하지 않습니다.

표에는 각 하이퍼파라미터에 대한 다음 정보가 표시됩니다.
+ **범위**: [하한, 상한]
+ **값 형식**: 정수, 연속(부동 소수점), 범주(부울, 목록, 문자열)


<table>
<thead>
  <tr><th>명칭</th><th>설명</th></tr>
</thead>
<tbody>
  <tr><td colspan="2">알고리즘 하이퍼파라미터</td></tr>
  <tr><td>apply\_recency\_bias</td><td>모델이 항목 상호 작용 데이터세트의 최신 항목 상호 작용 데이터에 더 많은 가중치를 부여해야 하는지 여부를 결정합니다. 가장 최근의 상호 작용 데이터에는 상호 작용 이벤트의 기본 패턴의 갑작스러운 변경이 포함될 수 있습니다.<br /> 최신 이벤트에 더 많은 가중치를 부여하는 모델을 학습시키려면 `apply_recency_bias`를 `true`로 설정합니다. 지난 모든 상호작용에 동일한 가중치를 부여하는 모델을 학습시키려면 `apply_recency_bias`를 `false`로 설정합니다.<br />기본 값: `true`<br />범위: `true`또는 `false`<br />값 형식: 부울<br />HPO 조정 가능: 아니요</td></tr>
</tbody>
</table>