추가 예제
사용자-항목(User-Item) 상호 작용(Interaction) 데이터를 이용한 추천 예제
-
- 외부 알고리즘이나 추천 시스템과 비교가 필요 할 때 참고 할 수 있는 예제입니다.
- 기본적으로 Personalize는 데이터를 내부적으로 두 세트로 나눠서 학습과정에 이용합니다. 이 예제는 외부에서 데이터 세트를 둘로 분리해서 (hold-out dataset) 평가하는 방법으로 외부 시스템에도 동일한 데이터를 적용 비교하기 위한 예제입니다.
‘sims’ Item 기반 추천 예제 : 제품, 컨텐츠 기반의 추천 필요 시 참고 합니다.
사용자, 항목 및 이벤트 메타 데이터까지 고려한 하이브리드 추천 예제
- 사용자, 항목 및 이벤트 ‘메타 데이터’를 사용하는 방법
- ‘Cold-Start’ 또는 ‘미래’ 항목에 대한 예측 : 데이터의 일부를(random, 1⁄4) 제거, 분리해서 cold/new로 두고 영화의 ‘장르’를 메타데이터로 이용하여 Coldstart 레시피를 적용하는 예제입니다.
Amazon Personalize Data Conversion Pipeline
이 템플릿은 샘플 데이터 변환 파이프 라인을 배포하여 Amazon Personalize 교육에 필요한 형식 (예 : .CSV)으로 데이터를 변환합니다. 다양한 소스 형식의 데이터를 User, Item 및 Interaction 데이터 세트에 필요한 형식으로 변환 할 수 있습니다.
