Amazon Personalizza ora consente l'ottimizzazione della popolarità per esso Ricetta Articoli simili (aws-similar-items
). Articoli simili genera consigli simili all'articolo selezionato da un utente, aiutando gli utenti a scoprire nuovi articoli nel tuo catalogo in base al comportamento precedente di tutti gli utenti e ai metadati degli articoli. In precedenza, questa funzionalità era disponibile solo per SIMS, l'altro Related_Items
ricetta all'interno di Amazon Personalize.
Il catalogo di articoli di ogni cliente e il modo in cui gli utenti interagiscono con esso sono unici per la sua attività. Quando consigliano articoli simili, alcuni clienti potrebbero voler porre maggiore enfasi sugli articoli popolari perché aumentano la probabilità di interazione dell'utente, mentre altri potrebbero voler ridurre l'enfasi sugli articoli popolari per far emergere consigli più simili all'articolo selezionato ma meno diffusi conosciuto. Questo lancio ti offre un maggiore controllo sul grado in cui la popolarità influenza i consigli sugli articoli simili, in modo da poter ottimizzare il modello per soddisfare le tue particolari esigenze aziendali.
In questo post ti mostriamo come ottimizzare la popolarità della ricetta Articoli simili. Specifichiamo un valore più vicino allo zero per includere gli articoli più popolari e specifichiamo un valore più vicino a 1 per porre meno enfasi sulla popolarità.
Esempi di casi d'uso
Per esplorare l'impatto di questa nuova funzionalità in maggiore dettaglio, esaminiamo due esempi. [1]
Innanzitutto, abbiamo utilizzato la ricetta Articoli simili per trovare consigli simili al film Disney del 1994 Il re leone (Registro IMDB). Quando lo sconto popolarità è impostato su 0, Amazon Personalize consiglia i film che hanno un'elevata frequenza di riproduzione (sono popolari). In questo esempio, il film Seven (aka Se7en), apparso 19,295 volte nel set di dati, è consigliato al rango 3.0.
Impostando lo sconto di popolarità su un valore di 0.4 per i consigli su Il Re Leone, vediamo che il ranking del film Seven scende a 4.0. Vediamo anche film del genere Bambini come Babe, La bella e la bestia, Aladino e Biancaneve e i sette nani che vengono consigliati a un livello più alto nonostante la loro popolarità complessiva inferiore nel set di dati.
Esploriamo un altro esempio. Abbiamo utilizzato la ricetta Articoli simili per trovare consigli simili al film Toy Story di Disney e Pixar del 1995 (Registro IMDB). Quando lo sconto popolarità è impostato su 0, Amazon Personalize consiglia i film che presentano una frequenza elevata nel set di dati. In questo esempio, vediamo che il film L'esercito delle dodici scimmie (noto anche come 12 scimmie), apparso 6,678 volte nel set di dati, è consigliato al livello 5.0.
Regolando lo sconto di popolarità su un valore di 0.4 per i consigli di Toy Story, vediamo che il rango delle Dodici Scimmie non è più raccomandato tra i primi 10. Vediamo anche film del genere Bambini come Aladdin, Toy Story 2 e A Bug's Life viene consigliato a un livello più alto nonostante la sua popolarità complessiva inferiore nel set di dati.
Porre maggiore enfasi sui contenuti più popolari può contribuire ad aumentare la probabilità che gli utenti interagiscano con i consigli sugli articoli. Ridurre l'enfasi sulla popolarità può far emergere consigli che sembrano più pertinenti all'elemento richiesto, ma potrebbero essere meno apprezzati dagli utenti. Puoi regolare il grado di importanza attribuito alla popolarità per soddisfare le esigenze della tua azienda per una campagna di personalizzazione specifica.
Implementa l'ottimizzazione della popolarità
Per ottimizzare la popolarità della ricetta Articoli simili, configura il file popularity_discount_factor
iperparametro tramite il Console di gestione AWS, gli SDK AWS o il Interfaccia della riga di comando di AWS (interfaccia a riga di comando dell'AWS).
Di seguito è riportato un codice di esempio che imposta il fattore di sconto popolarità su 0.5 tramite l'SDK AWS:
Lo screenshot seguente mostra l'impostazione del fattore di sconto popolarità su 0.3 sulla console Amazon Personalize.
Conclusione
Con l'ottimizzazione della popolarità, ora puoi perfezionare ulteriormente la ricetta degli articoli simili all'interno di Amazon Personalize per controllare il grado in cui la popolarità influenza i consigli sugli articoli. Ciò ti offre un maggiore controllo sulla definizione dell'esperienza dell'utente finale e su cosa è incluso o escluso nei consigli sugli Articoli simili.
Per ulteriori dettagli su come implementare l'ottimizzazione della popolarità per la ricetta Articoli simili, fare riferimento a documentazione.
Riferimenti
[1] Maxwell Harper e Joseph A. Konstan. 2015. I set di dati MovieLens: storia e contesto. Transazioni ACM su sistemi intelligenti interattivi (TiiS) 5, 4, articolo 19 (dicembre 2015), 19 pagine. DOI=http://dx.doi.org/10.1145/2827872
Informazioni sugli autori
Julia McCombs Clark è un Senior Technical Product Manager nel team Amazon Personalize.
Nihal Harish è un ingegnere di sviluppo software nel team di Amazon Personalize.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- EVM Finance. Interfaccia unificata per la finanza decentralizzata. Accedi qui.
- Quantum Media Group. IR/PR amplificato. Accedi qui.
- PlatoAiStream. Intelligenza dei dati Web3. Conoscenza amplificata. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/introducing-popularity-tuning-for-similar-items-in-amazon-personalize/
- :È
- 1
- 10
- 12
- 1994
- 2015
- 50
- a
- ACM
- Aladdin
- Tutti
- anche
- Amazon
- Amazon Personalizza
- Amazon Web Services
- ed
- Un altro
- SONO
- articolo
- At
- disponibile
- AWS
- basato
- BE
- Bellezza ed estetica
- perché
- affari
- ma
- Campagna
- Materiale
- catalogo
- Bambini
- più vicino
- codice
- consolle
- contenuto
- contesto
- di controllo
- Clienti
- dataset
- Dicembre
- definizione
- Laurea
- Nonostante
- dettaglio
- dettagli
- Mercato
- Codice Sconto
- scopri
- Disney
- Gocce
- enfasi
- Abilita
- impegnarsi
- ingegnere
- Etere (ETH)
- esempio
- Esempi
- esclusi
- esperienza
- esplora
- fattore
- caratteristica
- Trovate
- i seguenti
- Nel
- Frequenza
- da
- ulteriormente
- genera
- ottenere
- dà
- maggiore
- Avere
- Aiuto
- aiutare
- qui
- Alta
- superiore
- storia
- Come
- Tutorial
- HTML
- http
- HTTPS
- Impact
- realizzare
- importanza
- in
- includere
- incluso
- Aumento
- Intelligente
- interagire
- interazione
- interattivo
- l'introduzione di
- IT
- elementi
- SUO
- jpg
- King
- conosciuto
- lanciare
- meno
- Vita
- piace
- linea
- Leone
- più a lungo
- inferiore
- gestione
- direttore
- Maxwell
- Maggio..
- Soddisfare
- Metadati
- modello
- Scopri di più
- film
- Film
- esigenze
- New
- nuova funzione
- no
- adesso
- si è verificato
- of
- on
- esclusivamente
- or
- Altro
- Altri
- ancora
- complessivo
- particolare
- personalizzazione
- personalizzare
- posto
- Platone
- Platone Data Intelligence
- PlatoneDati
- Popolare
- popolarità
- Post
- preferito
- precedente
- in precedenza
- Prodotto
- product manager
- ricetta
- raccomandazioni
- raccomandato
- raccomandando
- raccomanda
- riducendo
- raffinare
- pertinente
- risposta
- recensioni
- sdk
- sdk
- vedere
- sembrare
- selezionato
- Servizi
- set
- regolazione
- Sette
- mostrare attraverso le sue creazioni
- Spettacoli
- simile
- neve
- So
- Software
- lo sviluppo del software
- alcuni
- specifico
- Storia
- superficie
- SISTEMI DI TRATTAMENTO
- team
- Consulenza
- che
- Il
- Il Leone
- loro
- di
- questo
- volte
- a
- top
- Top 10
- giocattolo
- Le transazioni
- seconda
- unico
- uso
- utilizzato
- Utente
- utenti
- APPREZZIAMO
- via
- volere
- Prima
- Modo..
- we
- sito web
- servizi web
- Che
- Che cosa è l'
- quando
- quale
- while
- bianca
- ampiamente
- volere
- con
- entro
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro
- zero