翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# User-Personalization-v2 レシピ
<a name="native-recipe-user-personalization-v2"></a>

User-Personalization-v2 (aws-user-personalization-v2) レシピは、ユーザーが好みに基づいて操作するアイテムを推奨します。例えば、User-Personalization-v2 を使用して、ストリーミングアプリのパーソナライズされた映画レコメンデーションを生成したり、小売アプリのパーソナライズされた製品レコメンデーションを生成したりできます。その他のユースケースには、ニュースサイトのリアルタイムレコメンデーションの生成や、パーソナライズされたマーケティングキャンペーンのバッチレコメンデーションなどがあります。

 User-Personalization-v2 は、アイテムインタラクションとアイテムデータセットから最大 500 万のアイテムでトレーニングできます。また、[User-Personalization](native-recipe-new-item-USER_PERSONALIZATION.md) よりも低レイテンシーで、より関連性の高いレコメンデーションを生成します。

 User-Personalization-v2 は、データに基づいて最も関連性の高いアイテムをユーザーに推奨するため、インタラクションデータを含む既存のアイテムをより頻繁に推奨します。レコメンデーションに新しいアイテムが含まれていることを確認するには、作成タイムスタンプに基づくアイテムを含むプロモーションを使用できます。プロモーションについての情報は、「[リアルタイムレコメンデーション内のアイテムのプロモーション](promoting-items.md)」を参照してください。

 このレシピは、トランスフォーマーベースのアーキテクチャを使用して、コンテキストを学習し、データ内の関係とパターンを追跡するモデルをトレーニングします。*トランスフォーマー*は、入力シーケンスを出力シーケンスに変換または変更するニューラルネットワークアーキテクチャの一種です。Amazon Personalize の場合、入力シーケンスはデータ内のユーザーのアイテムインタラクション履歴です。出力シーケンスは、パーソナライズされたレコメンデーションです。トランスフォーマーの詳細については、「AWS クラウドコンピューティングコンセプトのハブ」の「[人工知能におけるトランスフォーマーとは何ですか?](https://aws.amazon.com/what-is/transformers-in-artificial-intelligence/)」を参照してください。

User-Personalization-v2 は、他のレシピとは異なる料金モデルを使用します。料金の詳細については、「[Amazon Personalize の料金表](https://aws.amazon.com/personalize/pricing/)」を参照してください。

**Topics**
+ [レシピ機能](#user-personalization-v2-features)
+ [必須およびオプションのデータセット](#user-personalization-v2-datasets)
+ [プロパティおよびハイパーパラメータ](#user-personalization-v2-hyperparameters)

## レシピ機能
<a name="user-personalization-v2-features"></a>

User-Personalization-v2 は、アイテムレコメンデーションを生成するときに次の Amazon Personalize レシピ機能を使用します。
+ リアルタイムのパーソナライゼーション — Amazon Personalize はリアルタイムのパーソナライゼーションを使用して、ユーザーの関心の高まりに応じてアイテムのレコメンデーションを更新および調整します。詳細については、「[リアルタイムパーソナライゼーション](use-case-recipe-features.md#about-real-time-personalization)」を参照してください。
+ 探索 — 探索では、レコメンデーションに、インタラクションデータまたはユーザーとの関連性が少ないアイテムが含まれます。User-Personalization-v2 では、Amazon Personalize が探索設定を処理します。レコメンデーションに新しいアイテムが含まれていることを確認するには、プロモーションを使用して、作成タイムスタンプに基づいて新しいアイテムを含めることができます。プロモーションについての情報は、「[リアルタイムレコメンデーション内のアイテムのプロモーション](promoting-items.md)」を参照してください。
+ 自動更新 — Amazon Personalize は自動更新を使用して、2 時間ごとに最新モデル (ソリューションバージョン) を自動的に更新し、探索を介し新しいアイテムをレコメンデーションの対象として考慮します。詳細については、「[自動更新](use-case-recipe-features.md#automatic-updates)」を参照してください。
+  レコメンデーションを含むメタデータ — User-Personalization-v2 レシピでは、メタデータの列が 1 つ以上のアイテムデータセットがある場合、キャンペーンにはレコメンデーション結果にアイテムメタデータを含めるオプションが自動的にあるようになります。キャンペーンのメタデータを手動で有効にすることはできません。メタデータを使用して、映画のジャンルをカルーセルに追加するなど、ユーザーインターフェイスのレコメンデーションを充実させることができます。詳細については、「[レコメンデーションのアイテムメタデータ](campaigns.md#create-campaign-return-metadata)」を参照してください。

## 必須およびオプションのデータセット
<a name="user-personalization-v2-datasets"></a>

User-Personalization-v2 を使用するには、アイテムインタラクションデータセットを作成し、少なくとも 1,000 個のアイテムインタラクションをインポートする必要があります。Amazon Personalize は、主にアイテムインタラクションデータに基づいてレコメンデーションを生成します。詳細については、「[アイテムインタラクションデータ](interactions-datasets.md)」を参照してください。User-Personalization-v2 は、アイテムインタラクションとアイテムデータセット全体で最大 500 万のアイテムでトレーニングできます。

User-Personalization-v2 を使用すると、Amazon Personalize は以下を含むアイテムインタラクションデータを使用できます。
+ イベントタイプとイベント値データ — Amazon Personalize は、クリックや視聴イベントタイプなどのイベントタイプデータを使用して、ユーザーの行動のあらゆるパターンを通じてユーザーの意図と関心を識別します。また、イベントタイプとイベント値データを使用して、トレーニング前にレコードをフィルタリングすることもできます。詳細については、「[イベントタイプとイベント値のデータ](interactions-datasets.md#event-type-and-event-value-data)」を参照してください。
**注記**  
User-Personalization-v2 では、トレーニングコストは、イベントタイプまたは値でフィルタリングする前のインタラクションデータに基づいています。料金の詳細については、「[Amazon Personalize の料金表](https://aws.amazon.com/personalize/pricing/)」を参照してください。
+ コンテキストメタデータ — コンテキストメタデータは、場所やデバイスのタイプなど、イベント時にユーザーの環境で収集するインタラクションデータです。詳細については、「[コンテキストメタデータ](interactions-datasets.md#interactions-contextual-metadata)」を参照してください。

 次のデータセットはオプションであり、レコメンデーションを改善できます。
+ Users データセット — Amazon Personalize は、ユーザーとその関心についてよりよく理解するために、Users データセット内のデータを使用できます。Users データセットのデータを使用して、レコメンデーションをフィルタリングすることもできます。インポートできるユーザーデータについては、「[ユーザーメタデータ](users-datasets.md)」を参照してください。
+ Items データセット — Amazon Personalize は、Items データセット内のデータを使用して、アイテムの動作の関連性とパターンを識別します。これにより、Amazon Personalize はユーザーとその関心について理解しやすくなります。Items データセットのデータを使用して、アクションのレコメンデーションをフィルタリングすることもできます。インポートできるアイテムデータについては、「[アイテムメタデータ](items-datasets.md)」を参照してください。

## プロパティおよびハイパーパラメータ
<a name="user-personalization-v2-hyperparameters"></a>

User-Personalization-v2 レシピには、次のプロパティがあります。
+  **名前** – `aws-user-personalization-v2`
+  **レシピ Amazon リソースネーム (ARN)** – `arn:aws:personalize:::recipe/aws-user-personalization-v2`
+  **アルゴリズム ARN** – `arn:aws:personalize:::algorithm/aws-user-personalization-v2`

詳細については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。

以下の表では、User-Personalization-v2 レシピのハイパーパラメータを示しています。*ハイパーパラメータは*、モデルパフォーマンスを向上させるために調整できるアルゴリズムパラメータです。アルゴリズムのハイパーパラメータは、モデルの実行方法を制御します。ハイパーパラメータに最適な値を選択するプロセスは、ハイパーパラメータの最適化 (HPO) と呼ばれます。User-Personalization-v2 では、自動トレーニングを有効にすると、Amazon Personalize は 90 日ごとに自動的に HPO を実行します。自動トレーニングなしでは、HPO は発生しません。

このテーブルには、各ハイパーパラメータに関する以下の情報が含まれています。
+ **範囲**: [下限、上限]
+ **値のタイプ**: 整数、連続 (浮動小数点)、カテゴリ別 (ブール値、リスト、文字列)


| 名前 | 説明 | 
| --- | --- | 
| アルゴリズムのハイパーパラメータ | 
| apply\$1recency\$1bias |  モデルがアイテムインタラクションデータセット内の最新のアイテムインタラクションデータにより多くの重みを与えるかどうかを決定します。最新のインタラクションデータには、インタラクションイベントの基盤となるパターンの突然の変化が含まれる場合があります。  最近のイベントにより多くの重みを置くモデルをトレーニングするには、`apply_recency_bias` を `true` に設定します。過去のすべてのインタラクションを均等に重み付けするモデルをトレーニングするには、`apply_recency_bias` を `false` に設定します。 デフォルト値: `true` 範囲: `true` または `false` 値の型: ブール値 HPO 調整可能: いいえ  |