Fórmula Item-Attribute-Affinity - Amazon Personalize

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Fórmula Item-Attribute-Affinity

A fórmula Item-Attribute-Affinity (aws-item-attribute-affinity) é uma fórmula USER_SEGMENTATION que cria um segmento de usuário (grupo de usuários) para cada atributo de item que você especificar. Esses são os usuários que o Amazon Personalize prevê que provavelmente interagirão com itens com o atributo específico. Use o Item-Attribute-Affinity para saber mais sobre seus usuários e realizar ações com base em seus respectivos segmentos de usuários.

Por exemplo, talvez você queira criar uma campanha de marketing para seu aplicativo de varejo com base nas preferências do usuário em relação aos tipos de sapato do seu catálogo. O Item-Attribute-Affinity cria um segmento de usuário para cada tipo de sapato com base nos dados de seus conjuntos de dados de interações e itens. Você pode usar isso para promover sapatos diferentes para segmentos diferentes de usuários com base na probabilidade de eles realizarem uma ação (por exemplo, clicar em um sapato ou comprar um sapato). Outros usos podem incluir a promoção de diferentes gêneros de filmes para diferentes usuários ou a identificação de possíveis candidatos a emprego com base no tipo de emprego.

Para obter segmentos de usuários com base nos atributos do item, você cria uma solução e uma versão da solução com a fórmula Item-Attribute-Affinity e, em seguida, adiciona uma lista de atributos do item no formato JSON a um bucket do Amazon S3 e cria um trabalho de segmento em lote. O Amazon Personalize envia um segmento de usuário para cada item em seu local de saída no Amazon S3. Seus dados de entrada podem ter no máximo 10 consultas, em que cada consulta é um ou mais atributos do item. Para obter informações sobre como preparar dados de entrada para um trabalho de segmento em lote, consulte Como preparar dados de entrada para recomendações em lote.

É necessário ter um conjunto de dados de interações com itens e um conjunto de dados de itens para usar Item-Attribute-Affinity. Seu conjunto de dados de Itens deve ter pelo menos uma coluna que seja uma coluna de metadados não textual e não reservada. Você pode obter segmentos de usuários com trabalhos de segmentos em lote. Para obter mais informações, consulte Obter segmentos de usuários em lote com recursos personalizados.

Depois de criar uma versão da solução, mantenha a versão e os dados da solução atualizados. Com a Item-Attribute-Affinity, você deve criar uma nova versão da solução para o Amazon Personalize considerar novos usuários para segmentos de usuários e atualizar o modelo com o comportamento mais recente deles. Para obter um segmento de usuário para um atributo do item, o atributo do item deve estar presente quando você criou a versão da solução.

A fórmula do Item-Attribute-Affinity tem as seguintes propriedades:

  • Nomeaws-item-attribute-affinity

  • Fórmula nome do recurso da Amazon (ARN)arn:aws:personalize:::recipe/aws-item-attribute-affinity

  • ARN do algoritmoarn:aws:personalize:::algorithm/aws-item-attribute-affinity

  • ARN de transformação de atributosarn:aws:personalize:::feature-transformation/item-attribute-affinity

  • Tipo de fórmulaUSER_SEGMENTATION

A tabela a seguir descreve os hiperparâmetros da fórmula Item-Attribute-Affinity. Um hiperparâmetro é um parâmetro de algoritmo que pode ser ajustado para melhorar o desempenho do modelo. Os hiperparâmetros do algoritmo controlam o desempenho do modelo. Você não pode usar a otimização de hiperparâmetros (HPO) com a fórmula Item-Attribute-Affinity.

A tabela também fornece as seguintes informações para cada hiperparâmetro:

  • Intervalo: [limite inferior, limite superior]

  • Tipo de valor: inteiro, contínuo (float), categórico (booliano, lista, string)

Nome Descrição
Hiperparâmetros de algoritmo
hidden_dimension

O número de variáveis ocultas usadas no modelo. Variáveis ocultas recriam o histórico de compras dos usuários e as estatísticas de itens para gerar pontuações de classificação. Especifique um número maior de dimensões ocultas quando seu conjunto de dados de interações incluir padrões mais complicados. Usar mais dimensões ocultas requer um conjunto de dados maior e mais tempo para processamento.

Valor padrão: 149

Intervalo: [32, 256]

Tipo de valor: inteiro