基于 Amazon Personalize 实现电影个性化推荐
利用 Amazon Personalize 全托管的个性化推荐服务,基于 MovieLens 公开数据集,快速搭建电影个性化推荐系统。
a. 点击此处下载资源包,检查资源包包含的内容:
- Lambda 代码:lambda_function.zip
- 数据集:ratings.csv
- S3 存储桶策略文件:s3-bucket-policy.txt
b. 浏览器打开 Amazon AWS 官网 ,进入控制台
c. 右上角选择区域 “新加坡”
d. 搜索 s3 进入控制台
e. 点击创建存储桶,选择区域 “新加坡”,选择默认配置,点击完成
f. 进入存储桶,点击上传按钮,上传 Lambda 代码:lambda_function.zip 和数据集:ratings.csv 两个文件
g. 点击权限->存储桶策略,将另一个 s3-bucket-policy.txt 文件内容拷贝到文本框内,并将存储桶名称替换
a. 点击控制台登录 Amazon Personalize
b. 点击 “create dataset group”,创建数据集组,输入组名称
c. 创建 dataset 数据集
d. 选择创建新 schema,schema 定义保持默认内容
e. 创建数据导入任务,选择 create a new role
f. 填写创建的 s3 存储桶名称
g. 将 ratings.csv 在 s3 的路径复制到 data location 中,点击 “完成”
h. 数据导入中
i. 数据导入后,点击 “Create Solutions” 的 “Start”,开始训练模型
j. 输入 solution 名称,选择算法 aws-hrnn,点击 “Next” 后完成
k. 训练完成后,点击 view campaigns,查看模型托管的资源标识
l. 复制 campagin arn
m. 通过控制台测试,输入 User ID,点击 “Get Recommendations”,得到该用户的电影推荐列表
a. 登录 Lambda 控制台,创建函数,选择 Python 3.6 运行时
b. 导入函数代码选择从 s3 上传文件
c. 复制 lambda_function.zip 在 s3 路径
d. 更换 campaginARN 为您新创建的 arn
e. 点击在 IAM 控制台查看角色
f. 点击 “附加策略”
g. 添加 Personalize 执行权限
h. 点击右上角 “测试”
i. 创建测试事件
j. 点击测试,查看 API 返回结果
通过本视频您将学习到如何利用 Amazon Personalize 快速搭建一个个性化推荐服务,而不需要具备太多的机器学习经验。同时通过 Lambda 以 API 方式调用 Amazon Personalize 的推荐结果。
现在您已经掌握了如何去使用 Amazon Personalize 快速搭建一个个性化推荐系统,您可以进一步探索选择其他的预置算法来进行不同场景的推荐服务,如寻找商品中最接近的两个商品等;此外,Amazon Personalize 也支持获取用户行为数据来进行实时个性化推荐,更多信息请参见后续内容。