AIF / ドメイン1 AIとMLの基礎
Amazon Personalize
は、利用者ごとの機能を作れるです。 自分で推薦アルゴリズムを実装せず、行動履歴を渡すだけで推薦モデルを作れます。
概要
利用者データ、商品データ、閲覧や購入などの行動データを取り込み、モデルを学習させます。 学習後はで推薦結果を取得できます。
試験では、ECサイトや動画配信での個別化された提示という要件で選びます。
主要技術
①データセットの種類
| データセット | 内容 |
|---|---|
| 相互作用 (interactions) | 閲覧、クリック、購入などの行動履歴です。必須です。 |
| 利用者 (users) | 年齢層や地域などの属性です。 |
| アイテム (items) | 価格、カテゴリーなどの商品属性です。 |
行動履歴の量と鮮度がの質を左右します。
②レシピとユースケース
用途に応じた学習方法 (レシピ) を選びます。
| 目的 | 内容 |
|---|---|
| 利用者向けのおすすめ | その利用者が好みそうな項目を並べます。 |
| 類似アイテム | 見ている商品に似た商品を出します。 |
| 個別化された並べ替え | 与えた候補一覧を利用者向けに並べ替えます。 |
| 次に来る行動の予測 | 直近の行動から次を推定します。 |
③リアルタイムの反映
利用者の直近の行動をイベントとして送ると、結果へ反映されます。 セッション中の興味の変化に追従できる点が特徴です。
⚠️ 頻出: 「閲覧中の行動をすぐ推薦へ反映したい」という要件はリアルタイムのイベント送信です。
④コールドスタートへの対応
行動履歴がない新規の利用者や新商品には、属性情報や人気度を使ったで補います。
試験対策
①選択基準
| 問題文のキーワード | 選ぶもの |
|---|---|
| 利用者ごとに違うおすすめを出したい | |
| モデルを自作せず短期間で導入したい | Amazon Personalize |
| 検索結果を返したい | などの検索サービス |
| 需要の予測値を出したい | 時系列予測 () |
②よくある誤答
- の要件ででの自作を選ぶこと。のほうが早く安く実現できます。
- 推薦と検索を混同すること。質問へ文書を返すのは検索、行動履歴から提示するのが推薦です。