Amazon PersonalizeにおけるSimilar-Itemsの人気チューニングを紹介します

This introduces popularity tuning for Similar-Items in Amazon Personalize.

Amazon Personalizeは、Similar-Itemsレシピ(aws-similar-items)に対する人気調整を可能にしました。Similar-Itemsは、ユーザーが選択したアイテムに類似した推奨を生成し、すべてのユーザーとアイテムのメタデータに基づいてカタログ内の新しいアイテムを発見できるように支援します。以前は、この機能はAmazon Personalize内の他のRelated_ItemsレシピであるSIMSにのみ利用可能でした。

すべての顧客のアイテムカタログとユーザーがそれとやり取りする方法は、そのビジネスに固有のものです。類似したアイテムを推奨する際に、一部の顧客は人気のあるアイテムにより重点を置くことがあります。これは、ユーザーのやりとりの可能性を高めるためです。一方、他の顧客は、より似ているがより広く知られていないアイテムを推奨するために人気のあるアイテムの影響を軽減したいと思うかもしれません。このリリースにより、Similar-Items推奨における人気の影響度をより細かく制御することができるため、特定のビジネスニーズに合わせてモデルを調整できます。

この記事では、Similar-Itemsレシピの人気度調整方法について説明します。0により近い値を指定することで、より人気のあるアイテムを含め、1により近い値を指定することで、人気度を軽視することができます。

使用例

この新機能の影響をより詳しく調べるために、2つの例を見てみましょう。[1]

最初に、Similar-Itemsレシピを使用して、Disneyの1994年の映画「ライオン・キング」(IMDBレコード)に類似した推奨を見つけました。人気割引が0に設定されていると、Amazon Personalizeは、データセットで頻繁に発生する(人気のある)映画を推奨します。この例では、データセットで19,295回発生した映画「セブン」(別名「セブン -7つの罪と罰-」)が3.0のランクで推奨されています。

「ライオン・キング」の推奨の人気度割引を0.4に調整すると、映画「セブン」のランクが4.0に低下することがわかります。また、データセット全体では人気が低いが、Childrenジャンルの映画「ベイブ」「美女と野獣」「アラジン」「白雪姫」などが、より高いランクで推奨されています。

別の例を見てみましょう。Similar-Itemsレシピを使用して、DisneyとPixarの1995年の映画「トイ・ストーリー」(IMDBレコード)に類似した推奨を見つけました。人気割引が0に設定されていると、Amazon Personalizeは、データセットで頻繁に発生する映画を推奨します。この例では、データセットで6,678回発生した映画「12モンキーズ」が5.0のランクで推奨されています。

「トイ・ストーリー」の推奨の人気度割引を0.4に調整すると、「12モンキーズ」のランクがトップ10から外れることがわかります。また、データセット全体では人気が低いが、Childrenジャンルの映画「アラジン」「トイ・ストーリー2」「アンツ」などが、より高いランクで推奨されています。

より人気のあるコンテンツに重点を置くことで、ユーザーがアイテムの推奨とやり取りする可能性が高まることがあります。人気度を軽視することで、クエリされたアイテムにより関連性があるような推奨を表示できますが、ユーザーにとってはあまり人気がないものかもしれません。人気度に置かれる重要性の程度を調整して、特定のパーソナライゼーションキャンペーンのビジネスニーズに合わせることができます。

人気度調整の実装

Similar-Itemsレシピの人気度を調整するには、AWS Management Console、AWS SDK、またはAWS Command Line Interface(AWS CLI)を介してpopularity_discount_factorハイパーパラメータを設定します。

以下は、AWS SDKを使用して人気の割引ファクターを0.5に設定するサンプルコードです。

{
    response = personalize.create_solution(
        name="movie_lens-with-popularity-discount-0_5".
        recipeARN="arn:aws:personalize:::recipe/aws-similar-items",
        datasetGroupArn=dsg_arn,
        solutionConfig={
            "algorithmHyperParameters" : {
                # ここで人気の割引の好ましい値を設定します
                "popularity_discount_factor" : "0.50"
            }
        }
    ]
}

以下のスクリーンショットは、Amazon Personalizeコンソールで人気の割引ファクターを0.3に設定している様子を示しています。

結論

人気の調整を行うことで、Amazon Personalize内の類似商品レシピをさらに細かく調整し、商品の推薦に人気がどの程度影響するかを制御できます。これにより、エンドユーザーの体験や、類似商品の推薦に含まれるものや除外されるものを定義する際に、より細かい制御が可能になります。

類似商品レシピに人気調整を実装する方法の詳細については、ドキュメントを参照してください。

参考文献

[1] Maxwell Harper and Joseph A. Konstan. 2015. The MovieLens Datasets: History and Context. ACM Transactions on Interactive Intelligent Systems (TiiS) 5, 4, Article 19 (December 2015), 19 pages. DOI= http://dx.doi.org/10.1145/2827872

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

機械学習

機械学習

データから洞察を抽出し、予測を行う際の機械学習の力を発見してください

Discover more

データサイエンス

なぜAIチップの将来がニューロモーフィックコンピューティングにおいて重要なのか?

神経形態計算はAIとIoTを変革する可能性がありますより正確で多様性に富み、信頼性の高いアクセスしやすいAIの波を引き起こす...

機械学習

音声合成:進化、倫理、そして法律

ロマン・ガーリン、シニアバイスプレジデント @イノベーション、スポートレーダー この記事では、音声合成の進化を辿り、それ...

データサイエンス

「LLMの幻覚の理解と軽減」

最近、大型言語モデル(LLM)は、ユーザーのプロンプトに対して非常に流暢で説得力のある応答を生成するなど、印象的かつ増大...

機械学習

「企業におけるAIの倫理とESGへの貢献の探求」

全世界がAIで賑わっている中で、これらの技術によってもたらされる重要な課題には、倫理的な影響とESGへの関心があります”

機械学習

「RecMindと出会ってください:推薦タスクのための推論、行動、およびメモリを組み合わせた大規模言語モデル技術によって駆動される自律型の推薦エージェント」

人工知能とディープラーニングの人気が高まるにつれて、ほぼすべてのアプリケーションがAIの能力を利用して作業を進めていま...

データサイエンス

データセットシフトのフレームワークを整理する

私たちはモデルを訓練し、それらを使用して特定の結果を予測します入力のセットが与えられた場合に、それが機械学習のゲーム...