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.
# Ricetta User-Personalization-v2
La ricetta User-Personalization-v 2 (aws-user-personalization-v2) consiglia gli elementi con cui un utente interagirà in base alle proprie preferenze. Ad esempio, puoi utilizzare User-Personalization-v 2 per generare consigli personalizzati sui film per un'app di streaming o consigli personalizzati sui prodotti per un'app di vendita al dettaglio. Altri casi d'uso includono la generazione di consigli in tempo reale per un sito di notizie o consigli in batch per una campagna di marketing personalizzata.
User-Personalization-v2 può addestrarsi su un massimo di 5 milioni di elementi provenienti dalle interazioni tra Item e dai set di dati Items. Inoltre, genera consigli più pertinenti con una latenza inferiore rispetto a. [Personalizzazione dell'utente](native-recipe-new-item-USER_PERSONALIZATION.md)
Poiché User-Personalization-v 2 consiglia agli utenti gli elementi più pertinenti in base ai dati, consiglia più frequentemente gli elementi esistenti con dati sulle interazioni. Per assicurarti che i consigli includano nuovi articoli, puoi utilizzare una promozione che includa alcuni articoli in base alla data di creazione. Per ulteriori informazioni sulle promozioni, consulta. [Promuovere gli articoli con consigli in tempo reale](promoting-items.md)
Questa ricetta utilizza un'architettura basata su trasformatori per addestrare un modello che apprende il contesto e tiene traccia delle relazioni e dei modelli nei dati. *I trasformatori* sono un tipo di architettura di rete neurale che trasforma o modifica una sequenza di input in una sequenza di output. Per Amazon Personalize, la sequenza di input è la cronologia delle interazioni tra gli elementi dell'utente nei tuoi dati. La sequenza di output è costituita dai loro consigli personalizzati. Per ulteriori informazioni sui trasformatori, vedi [Cosa sono i trasformatori](https://aws.amazon.com/what-is/transformers-in-artificial-intelligence/) nell'intelligenza artificiale? nel AWS Cloud Computing Concepts Hub.
User-Personalization-v2 utilizza un modello di prezzo diverso rispetto ad altre ricette. Per ulteriori informazioni sui prezzi, consulta la pagina dei prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
**Topics**
+ [Caratteristiche della ricetta](#user-personalization-v2-features)
+ [Set di dati obbligatori e opzionali](#user-personalization-v2-datasets)
+ [Proprietà e iperparametri](#user-personalization-v2-hyperparameters)
## Caratteristiche della ricetta
User-Personalization-v2 utilizza le seguenti funzionalità delle ricette di Amazon Personalize per generare consigli sugli articoli:
+ Personalizzazione in tempo reale: con la personalizzazione in tempo reale, Amazon Personalize aggiorna e adatta i consigli sugli articoli in base all'evoluzione dell'interesse dell'utente. Per ulteriori informazioni, consulta [Personalizzazione in tempo reale](use-case-recipe-features.md#about-real-time-personalization).
+ Esplorazione: con l'esplorazione, i consigli includono elementi con meno dati sulle interazioni o meno rilevanti per l'utente. Con User-Personalization-v 2, Amazon Personalize gestisce la configurazione di esplorazione per te. Per assicurarti che i consigli includano nuovi articoli, puoi utilizzare le promozioni per includere nuovi articoli in base alla data di creazione. Per ulteriori informazioni sulle promozioni, consulta. [Promuovere gli articoli con consigli in tempo reale](promoting-items.md)
+ Aggiornamenti automatici: con gli aggiornamenti automatici, Amazon Personalize aggiorna automaticamente il modello più recente (versione della soluzione) ogni due ore per prendere in considerazione nuovi elementi da consigliare. Per ulteriori informazioni, consulta [Aggiornamenti automatici](use-case-recipe-features.md#automatic-updates).
+ Metadati con consigli: con la ricetta User-Personalization-v 2, se disponi di un set di dati Items con almeno una colonna di metadati, le campagne hanno automaticamente la possibilità di includere i metadati degli articoli nei risultati dei consigli. Non hai abilitato manualmente i metadati per la tua campagna. Puoi utilizzare i metadati per arricchire i consigli nella tua interfaccia utente, ad esempio per aggiungere i generi dei film ai caroselli. Per ulteriori informazioni, consulta [Metadati degli articoli nei consigli](campaigns.md#create-campaign-return-metadata).
## Set di dati obbligatori e opzionali
Per utilizzare il User-Personalization-v 2, è necessario creare un set di dati sulle interazioni tra elementi e importare almeno 1000 interazioni tra elementi. Amazon Personalize genera consigli basati principalmente sui dati di interazione tra gli articoli. Per ulteriori informazioni, consulta[Dati di interazione tra gli articoli](interactions-datasets.md). User-Personalization-v2 può addestrarsi su un massimo di 5 milioni di elementi tra interazioni tra Item e set di dati Items.
Con User-Personalization-v 2, Amazon Personalize può utilizzare i dati sulle interazioni degli articoli che includono quanto segue:
+ Dati sul tipo di evento e sul valore dell'evento: Amazon Personalize utilizza dati sui tipi di evento, come i tipi di eventi click or watch, per identificare l'intento e l'interesse degli utenti attraverso qualsiasi modello di comportamento. Inoltre, puoi utilizzare i dati sul tipo di evento e sul valore dell'evento per filtrare i record prima dell'allenamento. Per ulteriori informazioni, consulta [Dati sul tipo e sul valore dell'evento](interactions-datasets.md#event-type-and-event-value-data).
**Nota**
Con User-Personalization-v 2, il costo della formazione si basa sui dati delle interazioni prima di filtrarli per tipo o valore dell'evento. Per ulteriori informazioni sui prezzi, consulta la pagina dei prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
+ Metadati contestuali: i metadati contestuali sono dati di interazione raccolti sull'ambiente dell'utente al momento di un evento, ad esempio la posizione o il tipo di dispositivo. Per ulteriori informazioni, consulta [Metadati contestuali](interactions-datasets.md#interactions-contextual-metadata).
I seguenti set di dati sono facoltativi e possono migliorare i consigli:
+ Set di dati degli utenti: Amazon Personalize può utilizzare i dati del set di dati degli utenti per comprendere meglio gli utenti e i loro interessi. Puoi anche utilizzare i dati in un set di dati Users per filtrare i consigli. Per informazioni sui dati utente che puoi importare, consulta[Metadati utente](users-datasets.md).
+ Set di dati sugli articoli: Amazon Personalize può utilizzare i dati del set di dati Items per identificare connessioni e modelli nel loro comportamento. Questo aiuta Amazon Personalize a comprendere i tuoi utenti e i loro interessi. Puoi anche utilizzare i dati in un set di dati Items per filtrare i consigli. Per informazioni sui dati degli articoli che puoi importare, consulta[Metadati degli articoli](items-datasets.md).
## Proprietà e iperparametri
La ricetta User-Personalization-v 2 ha le seguenti proprietà:
+ **Nome**: `aws-user-personalization-v2`
+ **Ricetta Amazon Resource Name (ARN**) — `arn:aws:personalize:::recipe/aws-user-personalization-v2`
+ **Algoritmo ARN** — `arn:aws:personalize:::algorithm/aws-user-personalization-v2`
Per ulteriori informazioni, consulta [Scegliere una ricetta](working-with-predefined-recipes.md).
La tabella seguente descrive gli iperparametri per la ricetta User-Personalization-v 2. Un *iperparametro* è un parametro di algoritmo che puoi regolare per migliorare le prestazioni del modello. Gli iperparametri dell'algoritmo controllano le prestazioni del modello. Il processo di scelta del valore migliore per un iperparametro è chiamato ottimizzazione iperparametri (HPO). Con User-Personalization-v 2, se attivi la formazione automatica, Amazon Personalize esegue automaticamente l'HPO ogni 90 giorni. Senza l'addestramento automatico, non si verifica l'HPO.
La tabella fornisce le seguenti informazioni per ogni iperparametro:
+ **Range**: [limite inferiore, limite superiore]
+ **Value type**: Integer, Continuous (float), Categorical (booleano, elenco, stringa)
[See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/personalize/latest/dg/native-recipe-user-personalization-v2.html)