Presentiamo la messa a punto della popolarità per elementi simili in Amazon Personalize.

Presenting popularity tuning for similar items in Amazon Personalize.

Amazon Personalize ora consente di regolare la popolarità per la sua ricetta Similar-Items (aws-similar-items). Similar-Items genera raccomandazioni simili all’elemento che un utente seleziona, aiutando gli utenti a scoprire nuovi elementi nel catalogo in base al comportamento precedente di tutti gli utenti e ai metadati dell’elemento. In precedenza, questa funzionalità era disponibile solo per SIMS, l’altra ricetta Related_Items all’interno di Amazon Personalize.

Il catalogo degli elementi di ogni cliente e il modo in cui gli utenti interagiscono con esso sono unici per la propria attività. Quando si raccomandano elementi simili, alcuni clienti possono voler dare maggior importanza agli elementi popolari perché aumentano la probabilità di interazione dell’utente, mentre altri possono voler dare meno importanza agli elementi popolari per evidenziare raccomandazioni più simili all’elemento selezionato ma meno conosciute. Questo lancio ti offre maggior controllo sul grado di influenza della popolarità nelle raccomandazioni di Similar-Items, in modo da poter regolare il modello per soddisfare le tue specifiche esigenze aziendali.

In questo post, ti mostriamo come regolare la popolarità per la ricetta Similar-Items. Specificando un valore più vicino a zero si includono più elementi popolari, mentre specificando un valore più vicino a 1 si dà meno importanza alla popolarità.

Esempi di casi d’uso

Per esplorare l’impatto di questa nuova funzionalità in maggior dettaglio, analizziamo due esempi. [1]

• Barkour Misurare le capacità di agilità a livello animale con robot quadrupedi
• Modelli di base per il ragionamento sui grafici.
• Preparazione pre-avanzata di visual-language potenziata dal recupero

In primo luogo, abbiamo utilizzato la ricetta Similar-Items per trovare raccomandazioni simili al film Disney del 1994 Il Re Leone (record IMDB). Quando lo sconto di popolarità è impostato su 0, Amazon Personalize raccomanda film che hanno una frequenza elevata di occorrenza (sono popolari). In questo esempio, il film Seven (a.k.a. Se7en), che è apparso 19.295 volte nel dataset, viene raccomandato al rango 3.0.

Regolando lo sconto di popolarità a un valore del 0,4 per le raccomandazioni de Il Re Leone, vediamo che il rango del film Seven scende a 4,0. Vediamo anche che vengono raccomandati film del genere Per Bambini come Babe, La Bella e la Bestia, Aladdin e Biancaneve e i sette nani a un rango superiore nonostante la loro minore popolarità complessiva nel dataset.

Esploriamo un altro esempio. Abbiamo utilizzato la ricetta Similar-Items per trovare raccomandazioni simili al film Toy Story del 1995 di Disney e Pixar (record IMDB). Quando lo sconto di popolarità è impostato su 0, Amazon Personalize raccomanda film che hanno una frequenza elevata di occorrenza nel dataset. In questo esempio, vediamo che il film Twelve Monkeys (a.k.a. 12 Monkeys), che è apparso 6.678 volte nel dataset, viene raccomandato al rango 5.0.

Regolando lo sconto di popolarità a un valore del 0,4 per le raccomandazioni di Toy Story, vediamo che il Twelve Monkeys non è più raccomandato nei primi 10 posti. Vediamo anche che vengono raccomandati film del genere Per Bambini come Aladdin, Toy Story 2 e A Bug’s Life a un rango superiore nonostante la loro minore popolarità complessiva nel dataset.

Dare maggiore importanza ai contenuti più popolari può aiutare ad aumentare la probabilità che gli utenti interagiscano con le raccomandazioni di elementi. Ridurre l’importanza della popolarità può evidenziare raccomandazioni che sembrano più pertinenti all’elemento cercato, ma potrebbero essere meno popolari tra gli utenti. Puoi regolare il grado di importanza attribuito alla popolarità per soddisfare le esigenze aziendali specifiche per una campagna di personalizzazione specifica.

Implementa la regolazione della popolarità

Per regolare la popolarità per la ricetta Similar-Items, configura l’iperparametro popularity_discount_factor tramite la Console di gestione AWS, gli SDK AWS o l’interfaccia della riga di comando AWS (AWS CLI).

Di seguito è riportato il codice di esempio che imposta il fattore di sconto di popolarità su 0,5 tramite AWS SDK:

{
    response = personalize.create_solution(
        name="movie_lens-with-popularity-discount-0_5".
        recipeARN="arn:aws:personalize:::recipe/aws-similar-items",
        datasetGroupArn=dsg_arn,
        solutionConfig={
            "algorithmHyperParameters" : {
                # impostare qui il valore preferito del fattore di sconto di popolarità
                "popularity_discount_factor" : "0.50"
            }
        }
    ]
}

La seguente immagine mostra come impostare il fattore di sconto di popolarità su 0,3 sulla console Amazon Personalize.

Conclusioni

Con la messa a punto della popolarità, è possibile affinare ulteriormente la ricetta Similar-Items all’interno di Amazon Personalize per controllare il grado in cui la popolarità influenza le raccomandazioni degli elementi. Ciò ti consente di avere maggiore controllo nella definizione dell’esperienza dell’utente finale e di ciò che è incluso o escluso nelle tue raccomandazioni Similar-Items.

Per ulteriori dettagli su come implementare la messa a punto della popolarità per la ricetta Similar-Items, fare riferimento alla documentazione.

Riferimenti

[1] Maxwell Harper e Joseph A. Konstan. 2015. The MovieLens Datasets: History and Context. ACM Transactions on Interactive Intelligent Systems (TiiS) 5, 4, Articolo 19 (dicembre 2015), 19 pagine. DOI= http://dx.doi.org/10.1145/2827872