Empfehler

Der Empfehlungsoperator verwendet erweiterte Algorithmen, um personalisierte Empfehlungen basierend auf dem Benutzerverhalten und den Präferenzen bereitzustellen.

Dieser Operator optimiert den Data Science-Workflow, indem er den Prozess der Auswahl der besten Empfehlungsalgorithmen, der Optimierung von Hyperparametern und der Extraktion relevanter Features automatisiert. So stellen Sie sicher, dass Sie die relevantesten und effektivsten Vorschläge für Ihre Bedürfnisse erhalten.

Weitere Informationen finden Sie im Recommender-Abschnitt der ADS-Dokumentation.

Überblick

Der Empfehlungsoperator soll bei der Erstellung und Bereitstellung von Empfehlungssystemen helfen. Dieser Operator verwendet spezifische Konfigurationsparameter und drei wesentliche Eingabedateien, um personalisierte Empfehlungen zu generieren. Die Eingabedateien sind:

Elemente: Diese Datei enthält Informationen zu den Elementen, die empfohlen werden können. Jeder Eintrag in dieser Datei stellt ein einzelnes Element dar und enthält Attribute, die das Element beschreiben.
Benutzer: Diese Datei enthält Informationen zu den Benutzern, für die Empfehlungen generiert werden. Jeder Eintrag in dieser Datei stellt einen einzelnen Benutzer dar und enthält Attribute, die den Benutzer beschreiben.
Interaktion: Diese Datei enthält historische Interaktionsdaten zwischen Benutzern und Elementen. Jeder Eintrag in dieser Datei stellt eine Interaktion dar, z.B. ein Benutzer, der einen Artikel anzeigt, kauft oder bewertet, und enthält relevante Details zur Interaktion.

Konfigurationsparameter

Der Empfehlungsoperator erfordert die folgenden Parameter, um den Empfehlungsjob auszulösen:

top_k: Gibt die Anzahl der Top-Empfehlungen an, die für jeden Benutzer generiert werden.

user_column: Gibt die Spalte in der Benutzerdatei an, die jeden Benutzer eindeutig darstellt.

item_column: Gibt die Spalte in der Artikeldatei an, die jedes Element eindeutig darstellt.

interaction_column: Gibt die Spalte in der Interaktionsdatei an, in der die Interaktionen zwischen Benutzern und Elementen beschrieben werden.

Funktionalität

Bei der Ausführung verarbeitet der Empfehlungsoperator die angegebenen Eingabedateien und Konfigurationsparameter, um eine Liste der empfohlenen Top-K-Elemente für jeden Benutzer zu generieren. Es verwendet ausgefeilte Algorithmen, die historische Interaktionsdaten analysieren, um die Benutzervoreinstellungen zu verstehen und die Elemente vorherzusagen, mit denen sie in Zukunft am ehesten interagieren werden.

Anwendungsfälle

Dieser Bediener ist ideal für mehrere Anwendungen, einschließlich:

E-Commerce: Empfehlen von Produkten an Benutzer basierend auf ihrer Browser- und Kaufhistorie.
Streaming Services: Vorschlagen von Filmen, TV-Shows oder Musik basierend auf Benutzerbetrachtungs- oder Hörgewohnheiten.
Content-Plattformen: Vorschläge für Artikel, Blogs oder Nachrichten, die auf die Interessen der Benutzer zugeschnitten sind.

Erste Schritte

Verwenden Sie die folgende YAML-Beispieldatei, um mit dem Empfehlungsoperator zu beginnen:

kind: operator
type: recommendation
version: v1
spec:
user_data:
url: users.csv
item_data:
url: items.csv
interactions_data:
url: interactions.csv
top_k: 4
user_column: user_id
item_column: movie_id
interaction_column: rating