Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Guida introduttiva a un gruppo di set di dati di dominio (SDK per JavaScript v3) Questo tutorial mostra come utilizzare la AWS SDK per JavaScript v3 per creare un gruppo di set di dati di dominio per il dominio VIDEO\_ON\_DEMAND. *In questo tutorial, crei un programma di raccomandazione per il caso d'uso Top picks for you.* *Per visualizzare il codice utilizzato in questo tutorial su GitHub, consulta gli [esempi di codice di Amazon Personalize per SDK for JavaScript v3 nel repository SDK](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javascriptv3/example_code/personalize) Code Examples. AWS * Al termine dell'esercizio introduttivo, per evitare di incorrere in addebiti inutili, elimina le risorse che hai creato. Per ulteriori informazioni, consulta [Requisiti per l'eliminazione delle risorse Amazon Personalize](deleting-resources.md). **Topics** + [Prerequisiti](#gs-js-sdk-domain-prerequisites) + [Tutorial](#domain-gs-js-domain-tutorial) ## Prerequisiti Di seguito sono riportati i passaggi preliminari per il completamento di questo tutorial: + Completa il [Prerequisiti per iniziare](gs-prerequisites.md) modulo per configurare le autorizzazioni richieste e creare i dati di addestramento. Se hai completato anche il[Guida introduttiva a un gruppo di set di dati di dominio (console)](getting-started-console-domain.md), puoi riutilizzare gli stessi dati di origine. Se utilizzi i tuoi dati di origine, assicurati che i dati siano formattati come nei prerequisiti. + *Configura l'SDK JavaScript e le AWS credenziali come specificato nella JavaScript procedura di [configurazione dell'SDK per la guida per gli sviluppatori](https://docs.aws.amazon.com/sdk-for-javascript/v3/developer-guide/setting-up.html).AWS SDK per JavaScript * ## Tutorial Nei passaggi seguenti, installerai le dipendenze richieste. Quindi crei un gruppo di set di dati, importi dati, crei un programma di raccomandazione per lo use case *Top pick for you* e ottieni consigli. Se si utilizza Node.js, è possibile eseguire ogni esempio di codice salvandolo come JavaScript file e quindi eseguendolo. `node ` ### Passaggio 1: installa le dipendenze di Amazon Personalize Dopo aver completato i prerequisiti, installa le seguenti dipendenze di Amazon Personalize: + @aws -sdk/client-personalize + @aws -sdk/ client-personalize-runtime + @aws -sdk/ client-personalize-events (opzionale per questo tutorial, ma necessario se si desidera [registrare gli eventi dopo aver creato il programma di raccomandazione](recording-events.md)) Di seguito è riportato un esempio di `package.json` file che è possibile utilizzare. Per installare le dipendenze con Node.js, vai al punto in cui hai salvato il `package.json` file ed `npm install` esegui. ``` { "name": "personalize-js-project", "version": "1.0.0", "description": "personalize operations", "type": "module", "author": "Author Name ", "license": "ISC", "dependencies": { "@aws-sdk/client-personalize": "^3.350.0", "@aws-sdk/client-personalize-events": "^3.350.0", "@aws-sdk/client-personalize-runtime": "^3.350.0", "fs": "^0.0.1-security" }, "compilerOptions": { "resolveJsonModule": true, "esModuleInterop": true } } ``` ### Fase 2: Creare clienti Amazon Personalize Dopo aver installato le dipendenze, crea i tuoi client Amazon Personalize. In questo tutorial, gli esempi di codice presuppongono che tu crei i client in un file denominato `personalizeClients.js` memorizzato in una directory denominata. `libs` Di seguito è riportato un esempio di un file `personalizeClient.js`. ``` import { PersonalizeClient } from "@aws-sdk/client-personalize"; import { PersonalizeRuntimeClient } from "@aws-sdk/client-personalize-runtime"; import { PersonalizeEventsClient } from "@aws-sdk/client-personalize-events"; // Set your AWS region. const REGION = "{{region}}"; //e.g. "us-east-1" const personalizeClient = new PersonalizeClient({ region: REGION}); const personalizeEventsClient = new PersonalizeEventsClient({ region: REGION}); const personalizeRuntimeClient = new PersonalizeRuntimeClient({ region: REGION}); export { personalizeClient, personalizeEventsClient, personalizeRuntimeClient }; ``` ### Fase 3: Importazione dei dati Dopo aver creato i tuoi clienti Amazon Personalize, importa i dati storici che hai creato quando hai completato il. [Prerequisiti per iniziare](gs-prerequisites.md) Per importare dati storici in Amazon Personalize, procedi come segue: 1. Salva il seguente schema Avro come file JSON nella tua directory di lavoro. Questo schema corrisponde alle colonne del file CSV che hai creato quando hai completato il. [Creazione dei dati di addestramento (gruppo di set di dati del dominio)](gs-prerequisites.md#gs-data-prep-domain) ``` { "type": "record", "name": "Interactions", "namespace": "com.amazonaws.personalize.schema", "fields": [ { "name": "USER_ID", "type": "string" }, { "name": "ITEM_ID", "type": "string" }, { "name": "EVENT_TYPE", "type": "string" }, { "name": "TIMESTAMP", "type": "long" } ], "version": "1.0" } ``` 1. Crea uno schema di dominio in Amazon Personalize con il codice seguente`createDomainSchema.js`. `SCHEMA_PATH`Sostituiscilo con il percorso del file schema.json che hai appena creato. Aggiorna il `createSchemaParam` per specificare un nome per lo schema e per specificare. `domain` `VIDEO_ON_DEMAND` ``` // Get service clients module and commands using ES6 syntax. import { CreateSchemaCommand } from "@aws-sdk/client-personalize"; import { personalizeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeClient = new PersonalizeClient({ region: "REGION"}); import fs from "node:fs"; const schemaFilePath = "SCHEMA_PATH"; let mySchema = ""; try { mySchema = fs.readFileSync(schemaFilePath).toString(); } catch (err) { mySchema = "TEST"; // for unit tests. } // Set the domain schema parameters. export const createDomainSchemaParam = { name: "NAME" /* required */, schema: mySchema /* required */, domain: "DOMAIN" /* required for a domain dataset group, specify ECOMMERCE or VIDEO_ON_DEMAND */, }; export const run = async () => { try { const response = await personalizeClient.send( new CreateSchemaCommand(createDomainSchemaParam), ); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` 1. Crea un gruppo di set di dati di dominio in Amazon Personalize con il `createDomainDatasetGroup.js` seguente codice. Aggiorna il `domainDatasetGroupParams` per specificare un nome per il gruppo di set di dati e per specificare. `domain` `VIDEO_ON_DEMAND` ``` // Get service clients module and commands using ES6 syntax. import { CreateDatasetGroupCommand } from "@aws-sdk/client-personalize"; import { personalizeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeClient = new PersonalizeClient({ region: "REGION"}); // Set the domain dataset group parameters. export const domainDatasetGroupParams = { name: "NAME" /* required */, domain: "DOMAIN" /* required for a domain dsg, specify ECOMMERCE or VIDEO_ON_DEMAND */, }; export const run = async () => { try { const response = await personalizeClient.send( new CreateDatasetGroupCommand(domainDatasetGroupParams), ); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` 1. Crea un set di dati sulle interazioni tra articoli in Amazon Personalize con il `createDataset.js` seguente codice. Aggiorna il `createDatasetParam` per specificare l'Amazon Resource Name (ARN) del gruppo di set di dati e dello schema che hai appena creato, assegna un nome al set di dati e specifica per. `datasetType` `Interactions` ``` // Get service clients module and commands using ES6 syntax. import { CreateDatasetCommand } from "@aws-sdk/client-personalize"; import { personalizeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeClient = new PersonalizeClient({ region: "REGION"}); // Set the dataset's parameters. export const createDatasetParam = { datasetGroupArn: "DATASET_GROUP_ARN" /* required */, datasetType: "DATASET_TYPE" /* required */, name: "NAME" /* required */, schemaArn: "SCHEMA_ARN" /* required */, }; export const run = async () => { try { const response = await personalizeClient.send( new CreateDatasetCommand(createDatasetParam), ); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` 1. Importa i tuoi dati con il codice seguente. `createDatasetImportJob.js` Aggiorna il `datasetImportJobParam` per specificare quanto segue: + Specificate un nome per il job e specificate l'ARN del dataset Interactions. + Per`dataLocation`, specifica il bucket path di Amazon S3 (`s3://{{https://amzn-s3-demo-bucket.s3.region-code.amazonaws.com}}/{{folder name}}/ratings.csv`) in cui hai archiviato i dati di addestramento. + Per `roleArn` specificare il nome della risorsa Amazon per il ruolo del servizio Amazon Personalize. Hai creato questo ruolo come parte di[Prerequisiti per iniziare](gs-prerequisites.md). ``` // Get service clients module and commands using ES6 syntax. import { CreateDatasetImportJobCommand } from "@aws-sdk/client-personalize"; import { personalizeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeClient = new PersonalizeClient({ region: "REGION"}); // Set the dataset import job parameters. export const datasetImportJobParam = { datasetArn: "DATASET_ARN" /* required */, dataSource: { /* required */ dataLocation: "S3_PATH", }, jobName: "NAME" /* required */, roleArn: "ROLE_ARN" /* required */, }; export const run = async () => { try { const response = await personalizeClient.send( new CreateDatasetImportJobCommand(datasetImportJobParam), ); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` ### Passo 4: Crea un consulente Una volta completato il processo di importazione del set di dati, sei pronto per creare un programma di raccomandazione. Per creare un programma di raccomandazione, utilizzate il codice seguente. `createRecommender.js` Aggiorna il `createRecommenderParam` con quanto segue: Specificare un nome per il programma di raccomandazione, specificare l'ARN del gruppo di set di dati e specificare. `recipeArn` `arn:aws:personalize:::recipe/aws-vod-top-picks` ``` // Get service clients module and commands using ES6 syntax. import { CreateRecommenderCommand } from "@aws-sdk/client-personalize"; import { personalizeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeClient = new PersonalizeClient({ region: "REGION"}); // Set the recommender's parameters. export const createRecommenderParam = { name: "NAME" /* required */, recipeArn: "RECIPE_ARN" /* required */, datasetGroupArn: "DATASET_GROUP_ARN" /* required */, }; export const run = async () => { try { const response = await personalizeClient.send( new CreateRecommenderCommand(createRecommenderParam), ); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` ### Passaggio 5: Ottieni consigli Dopo aver creato un programma di raccomandazione, lo usi per ricevere consigli. Usa il `getRecommendations.js` codice seguente per ottenere consigli per un utente. Aggiorna il `getRecommendationsParam` per specificare l'ARN del programma di raccomandazione creato nel passaggio precedente e specifica un ID utente (ad esempio,). `123` ``` // Get service clients module and commands using ES6 syntax. import { GetRecommendationsCommand } from "@aws-sdk/client-personalize-runtime"; import { personalizeRuntimeClient } from "./libs/personalizeClients.js"; // Or, create the client here. // const personalizeRuntimeClient = new PersonalizeRuntimeClient({ region: "REGION"}); // Set the recommendation request parameters. export const getRecommendationsParam = { recommenderArn: "RECOMMENDER_ARN" /* required */, userId: "USER_ID" /* required */, numResults: 15 /* optional */, }; export const run = async () => { try { const response = await personalizeRuntimeClient.send( new GetRecommendationsCommand(getRecommendationsParam), ); console.log("Success!", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ```