Amazon Personalize 利用機器學習建立個人化推薦系統

大綱

Amazon Personalize 是一種機器學習服務，可讓開發人員輕鬆地為其應用程式建立個別化的建議。

使用 Amazon Personalize，用戶可以從應用程式提供活動串流、頁面檢視、註冊、購買等等，以及要推薦的項目，例如：文章、產品、影片或音樂。 用戶也可以選擇向使用者提供 Amazon 個人化的額外人口統計資訊，例如：年齡或地理位置。Amazon Personalize 將處理和檢查資料、識別有意義的內容、選擇正確的演算法，以及訓練和最佳化針對資料自訂的個人化模型。

閱讀更多：一探人工智慧、機器學習與深度學習的差異、產業應用和商業價值

事前準備

• 確認操作環境在 US East (N. Virginia)，其縮寫為 us-east-1。
• 下載 ratings.csv 到本地端。

建置過程

一、建立 S3 Bucket

• 在 Service menu 選單中，選擇 S3。

• 選擇 Create bucket。

• 為你的 S3 bucket 輸入一個 獨特的 名字。

• 選擇介面左下角的 Create。

• 搜尋你的 bucket 名字，並點選其名稱以進入此 bucket。

• 選擇 Permissions 標籤，並選擇 Public access settings, 點選 Edit。

• 反選所有的 ☑，選擇 Save。

  

• 選擇 Bucket policy，複製並貼上底下的 json 程式碼，記得將 更換成你自己的 Bucket name，並選擇 Save。

{
    "Version": "2012-10-17",
    "Id": "PersonalizeS3Bucket AccessPolicy",
    "Statement": [
        {
            "Sid": "PersonalizeS3BucketAccessPolicy",
            "Effect": "Allow",
            "Principal": {
                "Service": "personalize.amazonaws.com"
            },
            "Action": [
                "s3:GetObject",
                "s3:ListBucket"
            ],
            "Resource": [
                "arn:aws:s3:::<your-bucket-name>",
                "arn:aws:s3:::<your-bucket-name>/*"
            ]
        }
    ]
}

• 選擇 Create folder，檔案名稱請輸入 movie rating。

• 點選檔案名稱以進入此檔案。

• 選擇 Upload, 選擇 Add files，選擇我們在 Prerequisites下載的<ratings.csv>，選擇介面左下角的 Upload。

• 點選檔案名稱以進入做設定。

• 點選 Make Public 讓檔案變成可讀取的。

  

二、建立 IAM Role

• 在 Service 選單中，選擇 IAM。

• 在左方的選單中，選擇 Roles，並點選 Create role。

• 在 Select type of trusted entity 底下，選擇 AWS service，至於 Choose the service that will use this role 選擇 Personalize，如果你找不到此服務，選 EC2 就好，並選擇 Next:Permissions。

• 搜尋並 ☑:

  • AmazonS3ReadOnlyAccess
  • CloudWatchFullAccess

• 選擇 Next:Tags 你可以選擇是否加上標籤，否則，選擇 Next:Review。

• 在 Role name 輸入 PersonalizeRole，並確認你已經選取兩個 policies，選擇 Create role。

  

• 搜尋你剛剛創好的 Role name: PersonalizeRole。

• 複製 Role ARN 到記事本，我們接下來的步驟會用到。

• 選擇 Trust relationships，點選 Edit trust relationship。

• 複製並貼上底下的 json 碼，以取代 Policy Document:

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Principal": {
        "Service": "personalize.amazonaws.com"
      },
      "Action": "sts:AssumeRole"
    }
  ]
}

• 選擇 Update trust policy。

三、建立 Dataset group

• 在 Service 選單中，選擇 Amazon Personalize。

• 如果是第一次使用 Personalize，選擇 Get Started，否則，選擇 Create dataset group。

• 在 Dataset group name 輸入 my-personalize-dataset-group，並且 ☑ Upload user-item interaction data for Input data。

  

• 點選 Next。

• 在 Dataset name 輸入 my-dataset。

• 在 Schema selection 選擇 Create new schema，並在 New schema name 輸入my-schema，複製並貼上底下的 json code到 Schema definition。

  User-item interaction data 的 json 格式 必須 有這三個 fields：

  • USER_ID
  • ITEM_ID
  • TIMESTAMP

可以再寫好這三個 fields 之後寫上其他的 fields。

{
    "type": "record",
    "name": "Interactions",
    "namespace": "com.amazonaws.personalize.schema",
    "fields": [
        {
            "name": "USER_ID",
            "type": "string"
        },
        {
            "name": "ITEM_ID",
            "type": "string"
        },
        {
            "name": "RATING",
            "type": "string"
        },
        {
            "name": "TIMESTAMP",
            "type": "long"
        }
    ],
    "version": "1.0"
}

• 選擇 Next。

• 在 Dataset import job name 輸入 my-dataset-import，並貼上 Role ARN 到 Custom IAM role ARN，輸入 <ratings.csv> 存在 S3 中的路徑：s3://<your-bucket-name>/movie rating/ratings.csv。

  

• 選擇 Finish。

• 等待 User-item interaction data 建立，它的狀態會在建立好的時候轉變為Active，這個部分大概需要 5-10 分鐘。

四、建立 solutions

• 在 Create solutions 窗格，選擇 Start。

  

• 在 Solution name 輸入 my-solution，並且 ☑ Automatic (AutoML)

  

• 這部分會預設選擇三個機器學習的方法：

  • aws-deepfm
  • aws-ffnn
  • aws-hrnn

  

• 選擇 Next 檢查詳細的資訊，如果沒有問題，選擇 Finish.

• 等待 Solution creation，這個部分大概需要 30-40 分鐘。

五、建立 Campaign

• 在 Launch campaigns 窗格，選擇 Create new campaign。

  

• 在 Campaign name 輸入 my-campaign，Solution 選擇 my-solution，將 Minimum provisioned transactions per second 保留為預設。

  

• 等待 Campaign 的建置，這個部分大概需要 10-20 分鐘。

• 在建置完成後，你會看到這個介面，可以輸入你喜歡的 USER_ID，並點選 Get recommendations，例如：200，底下便會輸出推薦的電影名稱。

  

Conclusion

恭喜! 你已經學會如何 上傳資料集, 利用 Amazon Personalize 提供的機器學習方式，最後 利用 Amazon Personalize 製作個人化推薦系統.

Clean up

• Campaign: my-campaign.
• Solution: my-solution.
• Dataset group: my-personalize-dataset-group.
• S3 bucket.
• IAM Role: PersonalizeRole.