opensearch on skaalautuva, joustava ja laajennettava avoimen lähdekoodin ohjelmistopaketti haku-, analytiikka-, tietoturvan seuranta- ja havainnointisovelluksiin, lisensoitu Apache 2.0 -lisenssillä. Amazon OpenSearch-palvelu on täysin hallittu palvelu, jonka avulla OpenSearchin käyttöönotto, skaalaaminen ja käyttö AWS-pilvessä on helppoa.

OpenSearch käyttää BM-25-nimistä todennäköisyyspohjaista luokituskehystä laskeakseen osuvuuspisteet. Jos erottuva avainsana esiintyy asiakirjassa useammin, BM-25 antaa tälle asiakirjalle korkeamman osuvuuden. Tämä kehys ei kuitenkaan ota huomioon käyttäjien käyttäytymistä, kuten napsautussuhde- tai ostotietoja, jotka voivat edelleen parantaa osuvuutta yksittäisten käyttäjien kannalta.

Haun toimivuuden parantaminen on olennainen osa yleistä käyttäjäkokemusta ja sivuston tai sovelluksen sitoutumista. Hakuliikennettä pidetään suuressa tarkoituksessa, koska käyttäjät etsivät aktiivisesti tiettyä kohdetta, ja heidän on havaittu tuottavan jopa kaksi kertaa enemmän tuloksia kuin sivustohaun ulkopuoliset kävijät keskimäärin. Käyttämällä käyttäjien vuorovaikutustietoja, kuten napsautuksia, tykkäyksiä ja ostoja, yritykset voivat parantaa haun osuvuutta hyödyntääkseen tätä liikennettä ja vähentää tapauksia, joissa käyttäjät keskeyttävät istuntonsa haluttujen kohteiden löytämisen vaikeuksien vuoksi. Tarkentamalla hakutulosten laatua yritykset voivat parantaa merkittävästi asiakkaiden sitoutumista, tyytyväisyyttä ja uskollisuutta sekä lisätä tulosprosenttiaan, mikä johtaa viime kädessä parempaan kannattavuuteen ja menestykseen.

Amazon Muokkaa voit lisätä kehittyneitä personointiominaisuuksia sovelluksiisi käyttämällä samaa koneoppimistekniikkaa (ML) Amazon.com yli 20 vuoden ajan. ML-asiantuntemusta ei vaadita.

Amazon Personalize tukee suositusten automaattista säätämistä käyttäjääsi koskevien asiayhteyteen liittyvien tietojen, kuten laitetyypin, sijainnin, vuorokaudenajan tai muiden antamiesi tietojen perusteella. Annat Amazon Personalizelle historiallisia tietoja käyttäjistäsi ja heidän vuorovaikutuksistaan ​​sovelluksessasi, kuten ostohistorian, arviot ja tykkäykset. Voit lisätä tietoja Amazon Personalizeen kerralla tuomalla suuria historiallisia tietojoukkoja kerralla Amazonin yksinkertainen tallennuspalvelu (Amazon S3) CSV-tiedosto Amazon Personalizen vaatimassa muodossa. Voit myös lisätä tietoja asteittain tuomalla tietueita Amazon Personalize -konsolin tai API:n avulla. Kun historiatietosi on tuotu, voit jatkaa uusien tietojen toimittamista reaaliajassa lähettämällä käyttäjien vuorovaikutustapahtumia. Valitset esivalmistetun reseptin, joka on optimoitu tätä tavoitetta varten, sen käyttötapauksen, jota haluat käsitellä, kuten tuotesuositusten, perusteella. Amazon Personalize analysoi tietosi ja kouluttaa mukautetun ML-mallin reseptin parametrien perusteella luodakseen räätälöityjä suosituksia, jotka on optimoitu käyttäjillesi ja sovelluksellesi. Kun malli on koulutettu, voit luoda reaaliaikaisia ​​henkilökohtaisia ​​suosituksia käyttäjillesi.

Äskettäin lanseeratun kanssa Amazon Personalised Search Plugin Amazon OpenSearch -palveluun, voit käyttää käyttäjien vuorovaikutushistoriaa ja kiinnostuksen kohteita parantaaksesi heidän hakutuloksiaan. Hyödyntämällä an Amazon Personalize -resepti kuten Henkilökohtainen-ranking, voit auttaa parantamaan osuvien kohteiden hakutuloksia käyttäjien kiinnostuksen kohteiden perusteella, kun haet hakutuloksia OpenSearch-palvelusta.

Tässä viestissä kerrotaan, kuinka Amazon Personalize Search Ranking -laajennus integroidaan OpenSearch-palveluun personoidun hakukokemuksen mahdollistamiseksi. Luodaksemme Amazon Personalize -artefakteja tässä viestissä käytämme IMDb:n tietojoukkoa, joka on maailman arvovaltaisin elokuvien, TV:n ja julkkissisällön lähde. saatavilla AWS Marketplacesta, sekä MovieLens-tietojoukko Minnesotan yliopiston GroupLens-tutkimuksen laatima, joka koostuu eri elokuvien käyttäjäsijoituksista.

Ratkaisun yleiskatsaus

Seuraava kaavio kuvaa ratkaisuarkkitehtuuria.

Työnkulku sisältää seuraavat vaiheet:

1. Käyttäjä lähettää hakupyynnön verkkosivustonsa tai portaalinsa kautta. Tämä hakupyyntö lähetetään OpenSearch-palveluun.
2. N suosituinta hakutulosta palautetaan OpenSearch Service -hakemistosta ja lähetetään laajennukseen esikäsittelemään ja valmistelemaan syöte Amazon Mukauta -kampanja.
3. Pyyntö lähetetään Amazon Personalizelle saadakseen uudelleen sijoitetut hakutulokset.
4. Amazon Personalize palauttaa hakutulosten henkilökohtaisen sijoituksen kullekin tulokselle sopivalla pistemäärällä.
5. Laajennus palauttaa uudelleensijoitetut osumat OpenSearch-palveluun, ja OpenSearch-palvelun relevanssipisteiden ja Amazon Personalize -kohtaisten sijoituspisteiden välillä käytetään painotusta. Määrität painoparametrin (välillä 0.0–1.0), joka hallitsee OpenSearch Servicen ja Amazon Personalize -palvelun välistä tasapainoa tulosten uudelleensijoittamisen yhteydessä. Suurempi paino tarkoittaa enemmän vaikutusta Amazon Personalize -sijoituspisteisiin verrattuna OpenSearch Service -pisteisiin. Tämän avulla voit mukauttaa, kuinka paljon henkilökohtaiset suositukset vaikuttavat käyttäjälle palautettavaan lopulliseen hakutulosten sijoitukseen.
6. Käyttäjä saa yksilöllisiä hakutuloksia mieltymystensä ja vuorovaikutustensa perusteella.

Edellytykset

Sinulla tulee olla seuraavat edellytykset:

• An AWS-tili.
• An AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) rooli, jolla on asianmukaiset käyttöoikeudet. Me tarjoamme AWS-pilven muodostuminen malleja ja Jupyter-muistikirjoja, jotka auttavat määrittämään vaaditun IAM-roolin ja pääsyn.
• Jotta voit ottaa personoinnin käyttöön OpenSearch Servicessä, sinun on määritettävä tarvittavat Amazon Personalize -resurssit, mukaan lukien tietojoukkoryhmä, ratkaisuversio ja kampanja. Olemme tarjonneet a Jupyter-muistikirja joka luo kaikki Amazon Personalize -resurssit hyödyntäen täysin hallitun Jupyterin kannettavan tietokoneen ilmentymän ominaisuuksia Amazon Sage Maker.

Ota CloudFormation -pino käyttöön

CloudFormation-pino automatisoi OpenSearch Service -toimialueen ja SageMaker Notebook -esiintymän käyttöönoton. Ota pino käyttöön suorittamalla seuraavat vaiheet:

1. Kirjaudu sisään AWS-hallintakonsoli kirjautumistiedoillasi tilillä, jolla haluat ottaa CloudFormation-pinon käyttöön.
2. Käynnistä CloudFormation-pino suoraan.
3. On Määritä tiedot sivulla, anna kaikki mallin edellyttämät parametrit, kuten OpenSearch Servicen ja SageMakerin esiintymien koot.
4. On Määritä pinoasetukset sivulla, määritä pinon nimi ja muut asetukset, jotka haluat määrittää.
5. Viimeistele pinon luominen ja seuraa tilaa pinon tietosivulla.
6. Kun pino on luotu, avaa SageMaker-muistikirjan ilmentymä konsolista.

Muistikirjan ilmentymä on valmiiksi ladattu vaadituilla muistikirjoilla.

Määritä ja viimeistele Amazon Personalize -työnkulku

Avaa 1.Configure_Amazon_Personalize.ipynb muistikirja Amazon Personalize -esineiden määrittämiseen. Tämä muistikirja opastaa sinut seuraavien vaiheiden läpi:

1. Lataa tietojoukko ja esikäsittele tiedot luodaksesi tarvittavat syöttötiedostot tietojoukkojen luomista varten.
2. Luo tietojoukoryhmä.
3. Luo tietojoukkoja ja skeemoja.
4. Valmistele ja tuo tietoja.
5. Luo ratkaisu ja ratkaisuversio.
6. Luo kampanja ratkaisuversiolle.

Asenna Amazon Personalize Search Ranking -laajennus käyttämällä Jupyter-muistikirjaa

Avaa 2. Configure_Amazon_OpenSearch.ipynb muistikirja ja käy ohjeet läpi. Tämä muistikirja opastaa sinut seuraavien vaiheiden läpi:

1. Ota näyteindeksitiedot OpenSearch Service -esiintymään. Hakemiston täyttäminen edustavilla tiedoilla helpottaa laajennuksen perusteellista testausta ja validointia.
2. Asenna laajennuspaketti OpenSearch Service -verkkotunnukseen. Tämä integroi personointiominaisuudet OpenSearch-ympäristöön.
3. Määritä hakuputkistot aktivoidaksesi laajennuksen toiminnot. Hakuputket sisältävät pyyntöjen esikäsittelijöitä ja vastausten jälkiprosessoreita, jotka muuttavat kyselyitä ja tuloksia. Kun rakennat liukuhihnaa, määritä aiemmin kohdassa a luotu Amazon Personalize -kampanja ARN personalized_search_ranking jälkiprosessori mahdollistaa yksilöllisen uudelleensijoituksen. Tämä määrittää laajennuksen hakemaan reaaliaikaisia ​​personointituloksia Amazon Personalizesta tulosten käsittelyn aikana. Liukuputkien määrittäminen mahdollistaa sen, että laajennus voi lisätä haun osuvuutta käyttäjien mieltymysten perusteella.

Asenna Amazon Personalize Search Ranking -laajennus konsolin avulla

Voit myös määrittää Amazon Personalize -hakulaajennuksen konsolista. Sinun on tehtävä tämä vain, jos et ole asentanut laajennusta käyttämällä Jupyter-muistikirjaa aikaisemmasta.

Asenna Amazon Personalize Search Ranking -laajennus OpenSearch-palveluun suorittamalla seuraavat vaiheet:

1. Siirry OpenSearch Service -konsolissa verkkotunnukseesi.
2. On Jäsenyydet välilehti, valitse Liitä paketti yhdistääksesi Amazon Personalize Search Ranking -laajennuksen OpenSearch Service -verkkotunnukseesi. Laajennuksen version on vastattava OpenSearch Servicen verkkotunnuksen versiota.

Amazon Personalize Search Ranking -laajennus voidaan asentaa OpenSearch-palvelun versioihin 2.9 ja uudempaan.

3. Etsi Amazon Personalize Search Ranking -laajennus saatavilla olevien laajennusten luettelosta.
4. Valita Työtoveri laajennuksen vieressä asentaaksesi sen ja liittääksesi sen olemassa olevaan OpenSearch Service -verkkotunnukseesi.

Kun olet liittänyt laajennuksen, se näkyy pakettiluettelossa laajennustyyppinä. Kun laajennus on asennettu, asennusprosessi on nyt valmis.

Ota käyttöön Amazon Personalize Search Ranking -laajennus

Amazon Personalize Search Ranking -laajennus käyttää search-pipeline OpenSearch Servicen ominaisuus, joka on julkaistu versiosta 2.9 alkaen. Plugin riippuu search-pipeline ominaisuus soveltaa Amazonin mukautettua sijoitusta OpenSearch-palvelun tarjoamiin hakutuloksiin, ja se on myös määritettävä a search-pipeline vastausprosessori. Tämä putkimäärittely sisältää Amazon Personalize -laajennuksen määritykset, joihin sisältyy Amazon Personalize -kampanja, jolla vaaditaan Amazon Personalize -sijoituksen saamista, IAM-rooli Amazon Personalize -resurssien käyttämiseen sekä seuraavassa taulukossa määritellyt parametrit.

Seuraava Python-koodinpätkä luo hakuputken a personalized_search_ranking vastausprosessori OpenSearch-palvelun toimialueella. Suoritat tämän vaiheen kerran osana tähän viestiin liittyvää muistikirjaa:

Määritä hakuputki personoidulle sijoitukselle

Voit käyttää seuraavaa Python-koodia luodaksesi hakuputken a personalized_search_ranking vastausprosessori OpenSearch-palvelun toimialueella. Korvaa verkkotunnuksen päätepiste verkkotunnuksesi päätepisteen URL-osoitteella. Esimerkiksi: https://<domain name>.<AWS region>.es.amazonaws.com.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
pipeline_name = 'pipeline name'
url = f'{domain_endpoint}/_search/pipeline/{pipeline_name}'
auth = AWSSigV4('es')

headers = {'Content-Type': 'application/json'}

body = {
  "description": "A pipeline to apply custom re-ranking from Amazon Personalize",
  "response_processors": [
    {
      "personalized_search_ranking" : {
        "campaign_arn" : "<Replace with Amazon Personalize Campaign ARN>",
        "item_id_field" : "itemId",
        "recipe" : "aws-personalized-ranking",
        "weight" : "0.3",
        "tag" : "personalize-processor",
        "iam_role_arn": "<Replace with Role ARN>",
        "aws_region": "<Replace with AWS region>",
        "ignore_failure": true
    }
  ]
}
try:
    response = requests.put(url, auth=auth, json=body, headers=headers)
    print(response.text)
except Exception as e:
    print(f"Error: {e}")

Käytä hakuputkia yksittäiseen kyselyyn

Kun olet määrittänyt hakuputken a personalized_search_ranking vastausprosessori, voit käyttää Amazon Personalize Search Ranking -laajennusta OpenSearch-kyselyihisi ja tarkastella uudelleen luokiteltuja tuloksia. Päivitä koodi määrittääksesi verkkotunnuksesi päätepisteesi, OpenSearch Service -hakemistosi, putkilinjasi nimen (määritit yllä) ja kyselysi (käytämme "Tom Cruise" kyselyyn). varten user_id, määritä sen käyttäjän tunnus, jolle saat hakutuloksia. Tämän käyttäjän on oltava tiedoissa, joita käytit Amazon Personalize -ratkaisuversion luomiseen.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
index = 'index name'
url = f'{domain_endpoint}/{index}/_search/'

auth = AWSSigV4('es')
headers = {'Content-Type': 'application/json'}
params = {"search_pipeline": "<Replace with pipeline-name>"}
body = {
    "query": {
        "multi_match": {
            "query": "Tom Cruise",
            "fields": ["title", "plot", "genres", "directedBy", "starring"]
        }
    },
    "ext": {
        "personalize_request_parameters": {
            "user_id": "<Replace with USER ID>"
        }
    }
}
try:
    response = requests.post(url, auth=auth, params=params, json=body, headers=headers)
    print(response)
except Exception as e:
    print(f"Error: {e}")

Arvioi tulokset

Avaa 3.Testaus.ipynb muistikirja ja käy läpi vaiheet, joiden avulla voit testata ja vertailla tuloksia personointia käyttävistä kyselyistä ja ei. Amazon Personalize Search Ranking -laajennus asettaa hakutulokset uudelleen järjestykseen OpenSearch-palvelun kyselyvastauksessa. Se ottaa huomioon sekä Amazon Personalizen että OpenSearch Servicen sijoituksen. Tämä muistikirja opastaa sinut seuraavien vaiheiden läpi:

1. Määritä tarvittavat yhteysparametrit yhteyden muodostamiseksi OpenSearch Service -verkkotunnukseesi. Tämä edellyttää toimialueen päätepisteen, todennustietojen ja kaikkien OpenSearch-palvelun määrittämiseen tarvittavien lisäasetusten määrittämistä.
2. Luo joukko esimerkkikyselyitä, mukaan lukien kyselyt personointiparametreilla ja kyselyt ilman personointiparametreja. Näitä kyselyitä käytetään arvioitaessa personoinnin vaikutusta hakutuloksiin.
3. Suorita ja vertaa tuloksia kyselyille, jotka käyttävät personointia ja jotka eivät käytä.

Esimerkissämme käytimme kyselyä "Tom Cruise" ja personointiparametrina käyttäjää, jolla on viime aikoina katsottu draama- ja romanssielokuvien genrejä. Seuraavat hakutulokset osoittavat, kuinka laajennus räätälöi ja priorisoi suosituksia, jotka perustuvat käyttäjän havaittuun katselukäyttäytymiseen. Tämä on esimerkki laajennuksen kyvystä tarjota räätälöity, kuratoitu käyttökokemus ottamalla huomioon yksittäisten käyttäjien mieltymykset ja sitoutumismallit. Kyky tarkentaa ja virittää hakutuloksia käyttäjän mieltymysten päätelmien perusteella mahdollistaa parannetun osuvuuden ja hyödyllisyyden.

Henkilökohtaiset tulokset vs. personoimattomat tulokset

Harkitsemme tulosten personointia käyttäjälle, jolla on tunnus 12. Tarkistamme ensin tämän käyttäjän viimeaikaiset vuorovaikutukset suorittamalla koodin 3.Testaus.ipynb muistikirjaa vuorovaikutushistoriansa hakemiseksi. Näin voimme nähdä, minkä tyyppisiä elokuvia tämä käyttäjä on arvostellut äskettäin, mikä voi auttaa sinua räätälöimään suosituksia heille.

Tässä esimerkissä huomaamme, että käyttäjä on ilmaissut kiinnostuksensa draama-, romantiikka- ja trillerielokuvien genreihin. Jotta voimme tarjota henkilökohtaisia ​​suosituksia, suoritamme ensin kyselyt, joissa personointiparametrit ovat käytössä, ja hyödynnämme käyttäjän tyylilajiasetuksia. Suoritamme sitten vertailun vuoksi samat kyselyt ilman personointia. Seuraavat tulokset osoittavat eron personoimattomien ja personoitujen suositusten tulosten välillä.

Ensimmäiset kaksi saraketta näyttävät OpenSearch-palvelun oletustulokset haulle "Tom Cruise" elokuvahakemistossa, ja ne näyttävät erilaisia ​​Tom Cruisen elokuvia eri tyylilajeista. Seuraavat kaksi saraketta esittelevät personoituja OpenSearch-palvelun tuloksia samalle "Tom Cruise" -kyselylle, mutta räätälöityjä draamasta, romantiikkaa ja jännitystä kiinnostuneille käyttäjille. Yleisiin tuloksiin verrattuna personoiduissa tuloksissa on näkyvästi Tom Cruisen elokuvia käyttäjän valitsemissa draama-, romanssi- ja trillerilajeissa. Delta korostaa, kuinka henkilökohtaiset tulokset on luokiteltu uudelleen suhteessa personoimattomiin tuloksiin, priorisoimalla elokuvat, jotka vastaavat käyttäjän genre-mieltymyksiä. Tämä osoittaa, kuinka personointi voi räätälöidä OpenSearch-palvelun tuloksia yksittäisten käyttäjien makuun ja kiinnostuksen kohteiden mukaan.

Tämä vertailu osoittaa, kuinka Amazon Personalize voi mukauttaa OpenSearch-palvelun elokuvatuloksia vastaamaan yksittäisen käyttäjän kiinnostuksen kohteita. Vaikka tavallinen OpenSearch-palvelu pyrkii tarjoamaan maailmanlaajuisesti osuvia elokuvatuloksia Tom Cruiselle, Amazon Personalize räätälöi tulokset keskittymään Tom Cruisen elokuviin, ja se ennustaa tämän käyttäjän nauttivan ainutlaatuisen katseluhistoriansa ja -asetustensa perusteella.

Vierekkäiset tulokset havainnollistavat, kuinka Amazon Personalize tarjoaa kohdistetumman, käyttäjäkeskeisemmän hakukokemuksen räätälöimällä elokuvan tulokset yksilöllisesti.

Puhdistaa

Suorita seuraavat vaiheet puhdistaaksesi resurssit:

1. Seuraa ohjeita 4.Cleanup.ipynb muistikirja puhdistaaksesi muistikirjan kautta luodut resurssit.
2. Poista luomasi pino AWS CloudFormation -konsolissa.

Yhteenveto

Amazon Personalize Search Ranking -laajennus integroituu saumattomasti OpenSearch-palveluun mahdollistaakseen yksilölliset hakukokemukset. Käyttämällä käyttäjien käyttäytymistietoja ja Amazon Personalizen ML-ominaisuuksia, laajennus voi järjestellä OpenSearch-palvelun tulosten sijoituksia uudelleen lisätäkseen kunkin yksittäisen käyttäjän osuvuutta. Tämä luo räätälöidyn hakukokemuksen, joka tuo osuvimman sisällön korkeammalle tuloksissa. Laajennus on konfiguroitavissa tasapainottamaan personointia OpenSearch-palvelun alkuperäisen pisteytyksen kanssa sopimaan erilaisiin käyttötapauksiin. Kaiken kaikkiaan Amazon Personalize Search Ranking -laajennus on tehokas tapa parantaa OpenSearch-palvelun haun osuvuutta ja sitoutumista ottamalla huomioon käyttäjien yksilölliset kiinnostuksen kohteet ja mieltymykset. Muutamalla määritysvaiheella voit alkaa tarjota erittäin osuvia tuloksia, jotka resonoivat voimakkaasti käyttäjiesi kanssa.

Lisäresurssit

Tietoja Tekijät

James Jory on johtava ratkaisuarkkitehti soveltavassa tekoälyssä AWS:n kanssa. Hän on erityisen kiinnostunut personointi- ja suositusjärjestelmistä sekä tausta verkkokaupan, markkinointiteknologian ja asiakasdatan analytiikan parista. Vapaa-ajallaan hän nauttii telttailusta ja autokilpailujen simulaatioista.

Reagan Rosario on AWS:n ratkaisuarkkitehti, joka on erikoistunut skaalautuvien, erittäin saatavilla olevien ja turvallisten pilviratkaisujen rakentamiseen koulutusteknologiayrityksille. Reaganilla on yli 10 vuoden kokemus ohjelmistosuunnittelusta ja arkkitehtuuritehtävistä, ja hän käyttää mielellään teknistä tietämystään auttaakseen AWS:n asiakkaita suunnittelemaan kestäviä pilviratkaisuja, jotka hyödyntävät AWS:n laajuutta ja syvyyttä.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://aws.amazon.com/blogs/machine-learning/unlock-personalized-experiences-powered-by-ai-using-amazon-personalize-and-amazon-opensearch-service/