Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# JSON-Schema-Dateien für Amazon Personalize Personalize-Schemas erstellen
Nachdem Sie [Ihre Daten vorbereitet](preparing-training-data.md) haben, können Sie Schema-JSON-Dateien für jeden Datentyp erstellen, den Sie importieren. Diese Dateien beschreiben die Struktur und den Inhalt Ihrer Daten, einschließlich der Spaltennamen und ihrer Datentypen.
Sie verwenden Schema-JSON-Dateien, wenn Sie ein Amazon Personalize Personalize-Schema in [Erstellen eines Schemas und eines Datensatzes](data-prep-creating-datasets.md) erstellen. In Amazon Personalize ist ein *Schema* eine Ressource, die es Amazon Personalize ermöglicht, die Daten zu analysieren, wenn Sie sie in Ihren Datensatz importieren. Sie erstellen ein Schema für jeden Datensatz, den Sie verwenden.
Für benutzerdefinierte Ressourcen gelten für jeden Datensatz spezifische Schemaanforderungen. Bei Domain-Datensatzgruppen bestimmt die von Ihnen gewählte Domain Ihre Datensatz- und Schemaanforderungen. Jede Domain hat ein Standardschema für jeden Datensatztyp. Wenn Sie einen Datensatz erstellen, können Sie entweder das vorhandene Domänenschema verwenden oder ein neues erstellen, indem Sie das vorhandene Standardschema ändern. Verwenden Sie das Standardschema als Leitfaden dafür, welche Daten für Ihre Domain importiert werden sollen.
Die folgenden Abschnitte enthalten benutzerdefinierte Anforderungen und Domänenanforderungen für die Erstellung einer Schema-JSON-Datei für jeden Datensatztyp.
**Topics**
+ [Anforderungen an die Schemaformatierung](#general-schema-requirements)
+ [VIDEO\_ON\_DEMAND-Datensätze und Schemas](VIDEO-ON-DEMAND-datasets-and-schemas.md)
+ [E-COMMERCE-Datensätze und Schemas](ECOMMERCE-datasets-and-schemas.md)
+ [Benutzerdefinierte Datensätze und Schemas](custom-datasets-and-schemas.md)
## Anforderungen an die Schemaformatierung
Wenn Sie ein Schema für einen Datensatz in einer Domain-Datensatzgruppe oder einer benutzerdefinierten Datensatzgruppe erstellen, müssen Sie die folgenden Richtlinien beachten:
+ Sie müssen das Schema im [Avro-Format](https://docs.oracle.com/database/nosql-12.1.3.0/GettingStartedGuide/avroschemas.html) definieren. Informationen zu den Avro-Datentypen, die wir unterstützen, finden Sie unter. [Schema-Datentypen](#personalize-datatypes)
+ Ein Schema hat einen Namensschlüssel, dessen Wert dem Datensatztyp entsprechen muss.
+ Die Schemafelder können in beliebiger Reihenfolge erscheinen, müssen jedoch der Reihenfolge der entsprechenden Spaltenüberschriften in Ihrer CSV-Datei entsprechen.
+ Schemas müssen flache JSON-Dateien ohne verschachtelte Strukturen sein. Ein Feld kann beispielsweise nicht mehreren Unterfeldern übergeordnet sein.
+ Amazon Personalize Personalize-Schemas unterstützen keine komplexen Typen wie Arrays und Maps.
+ Schemafelder müssen eindeutige alphanumerische Namen haben. Sie können beispielsweise nicht gleichzeitig ein `GENRES_FIELD_1` Feld und ein `GENRESFIELD1` Feld hinzufügen.
+ Sie müssen Pflichtfelder als ihre erforderlichen Datentypen definieren. Für reservierte kategoriale Zeichenfolgenfelder muss das `categorical` Attribut auf gesetzt sein`true`, während reservierte Zeichenkettenfelder nicht kategorisch sein können. Die Schlüsselwörter dürfen nicht in Ihren Daten enthalten sein.
+ Wenn Sie Ihr eigenes Metadatenfeld vom Typ hinzufügen `string` und möchten, dass Amazon Personalize es beim Training verwendet, muss es das `categorical` Attribut oder das `textual` Attribut enthalten (nur Artikelschemas unterstützen Felder mit dem Textattribut).
+ Amazon Personalize verwendet beim Training oder Filtern von Empfehlungen keine `boolean` Typdaten. Damit Amazon Personalize beim Training oder Filtern boolesche Daten verwendet, verwenden Sie ein Feld vom Typ *String* und verwenden Sie die Werte `"True"` und `"False"` in Ihren Daten. Oder Sie können den Typ *int* oder *long* und die Werte und verwenden. `0` `1`
+ Textfelder müssen vom Typ sein `string` und das `textual` Attribut muss auf gesetzt sein`true`. Weitere Hinweise zu unstrukturierten Textdaten finden Sie unter. [Unstrukturierte Textmetadaten](items-datasets.md#text-data)
Für Datensätze mit Domänen-Datensatzgruppen gelten zusätzliche Anforderungen, die sowohl auf der Domäne als auch auf dem Datensatztyp basieren. Für Datensätze mit benutzerdefinierten Datensatzgruppen gelten je nach Typ zusätzliche Anforderungen.
### Schema-Datentypen
Amazon Personalize Personalize-Schemas unterstützen die folgenden Avro-Typen für Felder:
+ float
+ double
+ int
+ long
+ Zeichenfolge
+ Boolesch
+ Null
Einige erforderliche und reservierte Felder unterstützen Nulldaten. Wenn Sie einem Feld einen `null` Typ hinzufügen, können Sie unvollständige Daten (z. B. Metadaten mit leeren Werten) verwenden, um Empfehlungen zu generieren. Informationen darüber, welche Felder Nulldaten unterstützen, finden Sie im Thema Schemaanforderungen für Ihre Domain: [VIDEO\_ON\_DEMAND-Datensätze und Schemas](VIDEO-ON-DEMAND-datasets-and-schemas.md)[E-COMMERCE-Datensätze und Schemas](ECOMMERCE-datasets-and-schemas.md), oder[Benutzerdefinierte Datensätze und Schemas](custom-datasets-and-schemas.md). Das folgende Beispiel zeigt, wie Sie einen Nulltyp für ein GENDER-Feld hinzufügen.
```
{
"name": "GENDER",
"type": [
"null",
"string"
],
"categorical": true
}
```