Veröffentlicht am: Jul 2, 2020

Amazon Personalize verwendet Machine Learning, um Empfehlungen für Produkte, Inhalte und Marketingmitteilungen für Ihre Benutzer zu personalisieren, ohne dass Machine Learning-Erfahrung erforderlich ist. Diese Technologie wurde in mehr als 20 Jahren Entwicklung von Empfehlungssystemen bei Amazon.com perfektioniert.  

Heute dürfen wir eine verbesserte Handhabung fehlender oder unzureichender Metadaten für Interaktionen, Benutzer und Elementdatensatztypen in Amazon Personalize bekanntgeben. Metadaten, wie etwa die Marke eines Produkts, Altersgruppe eines Benutzers oder Gerätetyp der Browsersitzung, können hilfreich für die Verbesserung der Genauigkeit und Relevanz von Empfehlungsmodellen sein. Diese Daten sind jedoch häufig nicht perfekt und in vielen Fällen fehlen Daten. Falls diese im Schulungsprozess eines Machine Learning-Modells nicht sorgfältig gehandhabt werden, kann sich dies negativ auf die Modellleistung auswirken.  

Zur Handhabung derartiger Situationen ermöglicht Amazon Personalize jetzt die Definition von „Null“ als akzeptablen Wert in einem Schema, wenn eine Amazon Personalize-Lösung erstellt wird. Dadurch wird gewährleistet, dass nicht perfekte Daten sicher verwendet werden können, um die Relevanz Ihrer Empfehlungen zu verbessern. Zur Verwendung dieser Funktion können Sie „Null“ als zulässigen Metadatenwert in der Amazon Personalize-Konsole oder API definieren, wenn Sie das Schema für Ihren Datensatz definieren. Als Nächstes können Sie Ihren Datensatz sicher in Amazon Personalize importieren und eine Lösung erstellen. Beim Erstellen einer Lösung erkennt Amazon Personalize automatisch die Felder mit fehlenden Metadaten und bearbeitet sie entsprechend, während es gleichzeitig das Machine Learning-Modell schult. Weitere Informationen zu dieser Funktion finden Sie in unserem Entwicklerhandbuch.

Die verbesserte Handhabung fehlender Metadaten in Amazon Personalize ist jetzt in USA Ost (N. Virginia, Ohio), USA West (Oregon), Kanada (Zentral), Europa (Irland) und Asien-Pazifik (Sydney, Tokio, Mumbai, Singapur, Seoul) verfügbar.