本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 使用 Amazon Personalize 產生個人化和重新排名的建議 *Mason Cahill、Matthew Chasse 和 Tayo Olajide，Amazon Web Services* ## 總結 此模式說明如何使用 Amazon Personalize，根據從這些使用者擷取即時使用者互動資料，為您的使用者產生個人化建議，包括重新排名的建議。此模式中使用的範例案例是以寵物採用網站為基礎，該網站會根據其互動為其使用者產生建議 （例如，使用者造訪哪些寵物）。遵循範例案例，您將學習如何使用 Amazon Kinesis Data Streams 擷取互動資料、AWS Lambda 產生建議並重新排名建議，以及 Amazon Data Firehose 將資料存放在 Amazon Simple Storage Service (Amazon S3) 儲存貯體中。您也會學習使用 AWS Step Functions 來建置狀態機器，以管理產生建議的解決方案版本 （即訓練過的模型）。 ## 先決條件和限制 **先決條件** + 具有[引導式](https://docs.aws.amazon.com/cdk/v2/guide/bootstrapping.html) [AWS 雲端開發套件 (AWS CDK) 的作用中 AWS 帳戶](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/) + 具有已設定登入資料的 [AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html) + [Python 3.9](https://www.python.org/downloads/release/python-390/) **產品版本** + Python 3.9 + AWS CDK 2.23.0 或更新版本 + AWS CLI 2.7.27 或更新版本 ## Architecture **技術堆疊** + Amazon Data Firehose + Amazon Kinesis Data Streams + Amazon Personalize + Amazon Simple Storage Service (Amazon S3) + AWS 雲端開發套件 (AWS CDK) + AWS 命令列界面 (AWS CLI) + AWS Lambda + AWS Step Functions **目標架構** 下圖說明將即時資料擷取至 Amazon Personalize 的管道。然後，管道會使用該資料為使用者產生個人化和重新排名的建議。 ![\[Amazon Personalize 的資料擷取架構\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/patterns/images/pattern-img/42eb193b-2347-408a-8b25-46beeb3b29ca/images/786dbd56-7d7f-41bb-90f6-d4485d73fe15.png) 該圖顯示以下工作流程： 1. Kinesis Data Streams 會擷取即時使用者資料 （例如，造訪寵物等事件），以供 Lambda 和 Firehose 處理。 1. Lambda 函數會處理來自 Kinesis Data Streams 的記錄，並發出 API 呼叫，將記錄中的使用者互動新增至 Amazon Personalize 中的事件追蹤器。 1. 以時間為基礎的規則會叫用 Step Functions 狀態機器，並使用 Amazon Personalize 中事件追蹤器的事件，為建議產生新的解決方案版本並重新排序模型。 1. 狀態機器會更新 Amazon Personalize [行銷活動](https://docs.aws.amazon.com/personalize/latest/dg/campaigns.html)，以使用新的[解決方案版本](https://docs.aws.amazon.com/personalize/latest/dg/creating-a-solution-version.html)。 1. Lambda 透過呼叫 Amazon Personalize 重新排名行銷活動來重新排名建議項目清單。 1. Lambda 會透過呼叫 Amazon Personalize 建議行銷活動來擷取建議項目的清單。 1. Firehose 會將事件儲存到 S3 儲存貯體，以做為歷史資料存取。 ## 工具 **AWS 工具** + [AWS 雲端開發套件 (AWS CDK)](https://docs.aws.amazon.com/cdk/latest/guide/home.html) 是一種軟體開發架構，可協助您在程式碼中定義和佈建 AWS 雲端基礎設施。 + [AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html) 是一種開放原始碼工具，可協助您透過命令列 shell 中的命令與 AWS 服務互動。 + [Amazon Data Firehose](https://docs.aws.amazon.com/firehose/latest/dev/what-is-this-service.html) 可協助您將即時[串流資料](https://aws.amazon.com/streaming-data/)交付至其他 AWS 服務、自訂 HTTP 端點，以及受支援的第三方服務供應商所擁有的 HTTP 端點。 + [Amazon Kinesis Data Streams](https://docs.aws.amazon.com/streams/latest/dev/introduction.html) 可協助您即時收集和處理大型資料記錄串流。 + [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) 是一種運算服務，可協助您執行程式碼，而不需要佈建或管理伺服器。它只會在需要時執行程式碼並自動擴展，因此您只需按使用的運算時間付費。 + [Amazon Personalize](https://docs.aws.amazon.com/personalize/latest/dg/what-is-personalize.html) 是一項全受管機器學習 (ML) 服務，可協助您根據您的資料為使用者產生項目建議。 + [AWS Step Functions](https://docs.aws.amazon.com/step-functions/latest/dg/welcome.html) 是一種無伺服器協同運作服務，可協助您結合 Lambda 函數和其他 AWS 服務來建置業務關鍵應用程式。 **其他工具** + [pytest ](https://docs.pytest.org/en/7.2.x/index.html)是一種 Python 架構，用於撰寫小型且可讀取的測試。 + [Python](https://www.python.org/) 是一種一般用途的電腦程式設計語言。 **Code** 此模式的程式碼可在 GitHub [Animal Recommender](https://github.com/aws-samples/personalize-pet-recommendations) 儲存庫中使用。您可以從此儲存庫使用 AWS CloudFormation 範本來部署範例解決方案的資源。 **注意** Amazon Personalize 解決方案版本、事件追蹤器和行銷活動由在原生 CloudFormation 資源上擴展的[自訂資源](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/template-custom-resources.html) （基礎設施內） 提供支援。 ## 史詩 ### 建立基礎設施 | 任務 | Description | 所需的技能 | | --- | --- | --- | | 建立隔離的 Python 環境。 | **Mac/Linux 設定**[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/patterns/generate-personalized-and-re-ranked-recommendations-using-amazon-personalize.html)**Windows 設定**若要手動建立虛擬環境，請從終端機執行 `% .venv\Scripts\activate.bat`命令。 | DevOps 工程師 | | 合成 CloudFormation 範本。 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/patterns/generate-personalized-and-re-ranked-recommendations-using-amazon-personalize.html)在步驟 2 中， `CDK_ENVIRONMENT` 是指 `config/{env}.yml` 檔案。 | DevOps 工程師 | | 部署資源並建立基礎設施。 | 若要部署解決方案資源，請從終端機執行 `./deploy.sh`命令。此命令會安裝所需的 Python 相依性。Python 指令碼會建立 S3 儲存貯體和 AWS Key Management Service (AWS KMS) 金鑰，然後新增初始模型建立的種子資料。最後，指令碼會執行 `cdk deploy`來建立剩餘的基礎設施。初始模型訓練會在堆疊建立期間進行。堆疊最多可能需要兩個小時才能完成建立。 | DevOps 工程師 | ## 相關資源 + [Animal Recommender](https://github.com/aws-samples/personalize-pet-recommendations) (GitHub) + [AWS CDK 參考文件](https://docs.aws.amazon.com/cdk/api/v2/) + [Boto3 文件](https://boto3.amazonaws.com/v1/documentation/api/latest/index.html) + [使用 Amazon Personalize 最佳化您選擇的業務指標的個人化建議 ](https://aws.amazon.com/blogs/machine-learning/optimize-personalized-recommendations-for-a-business-metric-of-your-choice-with-amazon-personalize/)(AWS Machine Learning 部落格） ## 其他資訊 **範例承載和回應** *建議 Lambda 函數* 若要擷取建議，請使用下列格式的承載向建議 Lambda 函數提交請求： ``` { "userId": "3578196281679609099", "limit": 6 } ``` 下列範例回應包含動物群組的清單： ``` [{"id": "1-domestic short hair-1-1"}, {"id": "1-domestic short hair-3-3"}, {"id": "1-domestic short hair-3-2"}, {"id": "1-domestic short hair-1-2"}, {"id": "1-domestic short hair-3-1"}, {"id": "2-beagle-3-3"}, ``` 如果您離開 `userId` 欄位，函數會傳回一般建議。 *重新排序 Lambda 函數* 若要使用重新排名，請提交請求至重新排名的 Lambda 函數。承載包含要重新排名的所有項目 IDs`userId`的 及其中繼資料。下列範例資料使用適用於 `animal_species_id`(1=貓，2=狗） 的 Oxford Pets 類別，以及適用於 `animal_age_id`和 的整數 1-5`animal_size_id`： ``` { "userId":"12345", "itemMetadataList":[ { "itemId":"1", "animalMetadata":{ "animal_species_id":"2", "animal_primary_breed_id":"Saint_Bernard", "animal_size_id":"3", "animal_age_id":"2" } }, { "itemId":"2", "animalMetadata":{ "animal_species_id":"1", "animal_primary_breed_id":"Egyptian_Mau", "animal_size_id":"1", "animal_age_id":"1" } }, { "itemId":"3", "animalMetadata":{ "animal_species_id":"2", "animal_primary_breed_id":"Saint_Bernard", "animal_size_id":"3", "animal_age_id":"2" } } ] } ``` Lambda 函數會重新排序這些項目，然後傳回排序清單，其中包含項目 IDs 和來自 Amazon Personalize 的直接回應。這是項目所在的動物群組及其分數的排名清單。Amazon Personalize [使用使用者個人化](https://docs.aws.amazon.com/personalize/latest/dg/native-recipe-new-item-USER_PERSONALIZATION.html)和[個人化排名](https://docs.aws.amazon.com/personalize/latest/dg/native-recipe-search.html)配方，在建議中包含每個項目的分數。這些分數代表 Amazon Personalize 針對使用者接下來將選擇的項目所擁有的相對確定性。分數越高代表確定性越高。 ``` { "ranking":[ "1", "3", "2" ], "personalizeResponse":{ "ResponseMetadata":{ "RequestId":"a2ec0417-9dcd-4986-8341-a3b3d26cd694", "HTTPStatusCode":200, "HTTPHeaders":{ "date":"Thu, 16 Jun 2022 22:23:33 GMT", "content-type":"application/json", "content-length":"243", "connection":"keep-alive", "x-amzn-requestid":"a2ec0417-9dcd-4986-8341-a3b3d26cd694" }, "RetryAttempts":0 }, "personalizedRanking":[ { "itemId":"2-Saint_Bernard-3-2", "score":0.8947961 }, { "itemId":"1-Siamese-1-1", "score":0.105204 } ], "recommendationId":"RID-d97c7a87-bd4e-47b5-a89b-ac1d19386aec" } } ``` *Amazon Kinesis 承載* 要傳送至 Amazon Kinesis 的承載格式如下： ``` { "Partitionkey": "randomstring", "Data": { "userId": "12345", "sessionId": "sessionId4545454", "eventType": "DetailView", "animalMetadata": { "animal_species_id": "1", "animal_primary_breed_id": "Russian_Blue", "animal_size_id": "1", "animal_age_id": "2" }, "animal_id": "98765" } } ``` **注意** 未驗證的使用者會移除 `userId` 欄位。