Vad är Personanpassning?

Personanpassare i Azure är en molnbaserad tjänst som hjälper dina program att välja det bästa innehållsobjektet för att visa användarna. Du kan använda tjänsten Personanpassare för att avgöra vilken produkt som ska föreslås för kunder eller för att ta reda på den optimala positionen för en annons. När innehållet har visats för användaren övervakar programmet användarens reaktion och rapporterar en belöningspoäng tillbaka till tjänsten Personanpassare. Detta säkerställer kontinuerlig förbättring av maskininlärningsmodellen och personanpassarens möjlighet att välja det bästa innehållsobjektet baserat på den sammanhangsberoende information som den tar emot.

Den här dokumentationen innehåller följande artikeltyper:

• Snabbstarter är komma igång-instruktioner som vägleder dig genom att göra begäranden till tjänsten.
• Instruktionsguider innehåller instruktioner för att använda tjänsten på mer specifika eller anpassade sätt.
• Begrepp ger djupgående förklaringar av tjänstens funktioner och funktioner.
• Självstudier är längre guider som visar hur du använder tjänsten som en komponent i bredare affärslösningar.

Innan du börjar provar du Personanpassare med den här interaktiva demonstrationen.

Hur väljer Personanpassaren det bästa innehållsobjektet?

Personanpassaren använder förstärkt inlärning för att välja det bästa objektet (åtgärd) baserat på kollektivt beteende och belöningspoäng för alla användare. Åtgärder är innehållsobjekt, till exempel nyhetsartiklar, specifika filmer eller produkter.

Rang-anropet tar åtgärdsobjektet, tillsammans med funktionerna i åtgärden, och kontextfunktioner för att välja det översta åtgärdsobjektet:

• Åtgärder med funktioner – innehållsobjekt med funktioner som är specifika för varje objekt
• Kontextfunktioner – funktioner för dina användare, deras kontext eller deras miljö när du använder din app

Rank-anropet returnerar ID:t för vilket innehållsobjekt, åtgärd, som ska visas för användaren i fältet Belöningsåtgärds-ID.

Åtgärden som visas för användaren väljs med maskininlärningsmodeller som försöker maximera den totala mängden förmåner över tid.

Exempelscenarier

Låt oss ta en titt på några scenarier där Personanpassare kan användas för att välja det bästa innehållet att rendera för en användare.

Personanpassaren använde förstärkt inlärning för att välja den enskilt bästa åtgärden, som kallas för belöningsåtgärds-ID. Maskininlärningsmodellen använder:

• En tränad modell – information som tidigare tagits emot från den personliga tjänst som används för att förbättra maskininlärningsmodellen
• Aktuella data – specifika åtgärder med funktioner och kontextfunktioner

När personanpassaren ska användas

Rankning-API:et för Personanpassare anropas varje gång ditt program presenterar innehåll. Detta kallas en händelse , som anges med ett händelse-ID.

Personanpassarens belönings-API kan anropas i realtid eller fördröjas för att bättre passa din infrastruktur. Du fastställer belöningspoängen baserat på dina affärsbehov. Belöningspoängen är mellan 0 och 1. Det kan vara ett enda värde, till exempel 1 för bra och 0 för dåligt, eller ett tal som skapas av en algoritm som du skapar med hänsyn till dina affärsmål och mått.

Innehållskrav

Använd Personanpassare när ditt innehåll:

• Har en begränsad uppsättning åtgärder eller objekt (högst ~50) att välja bland i varje anpassningshändelse. Om du har en större lista kan du använda en rekommendationsmotor för att minska listan ned till 50 objekt för varje gång du anropar Rank i tjänsten Personanpassare.
• Innehåller information som beskriver det innehåll som du vill rangordna: åtgärder med funktioner och kontextfunktioner.
• Har minst ~1 000 innehållsrelaterade händelser per dag för att Personanpassaren ska vara effektiv. Om Personanpassaren inte får den minsta trafik som krävs tar det längre tid för tjänsten att fastställa det enskilt bästa innehållsobjektet.

Eftersom Personanpassare använder samlad information nästan i realtid för att returnera det enskilt bästa innehållsobjektet gör inte tjänsten följande:

• Spara och hantera användarprofilinformation
• Logga enskilda användares inställningar eller historik
• Kräv rensat och märkt innehåll

Utforma för och implementera Personanpassare

1. Utforma och planera för innehåll, åtgärder och kontext. Fastställa belöningsalgoritmen för belöningspoängen.

2. Varje personanpassarresurs som du skapar betraktas som en Learning Loop. Loopen får både rangordnings- och belöningsanropen för innehållet eller användarupplevelsen.

   Resurstyp	Syfte
   Lärlingsläge E0	Träna personanpassarmodellen utan att påverka ditt befintliga program och distribuera sedan till Online learning behavior to a production environment (Onlineinlärningsbeteende till en produktionsmiljö)
   Standard, S0	Onlineinlärningsbeteende i en produktionsmiljö
   Gratis F0	Prova onlineinlärningsbeteende i en icke-produktionsmiljö

3. Lägg till Personanpassare i ditt program, din webbplats eller ditt system:

   1. Lägg till ett Rank-anrop till Personanpassare i ditt program, webbplats eller system för att fastställa det bästa enskilda innehållsobjektet innan innehållet visas för användaren.
   2. Visa det bästa enskilda innehållsobjektet, som är det returnerade belöningsåtgärds-ID:t, för användaren.
   3. Tillämpa affärslogik på samlad information om hur användaren beter sig för att fastställa belöningspoängen, till exempel:

   Beteende	Beräknad belöningspoäng
   Användaren valde det bästa enskilda innehållsobjektet (åtgärds-ID för belöning)	1
   Användaren har valt annat innehåll	0
   Användaren pausade och rullade runt obestämt innan han eller hon valde bästa enskilda innehållsobjekt (belöningsåtgärds-ID)	0,5

   1. Lägg till ett belöningssamtal som skickar en belöningspoäng mellan 0 och 1
      • Omedelbart efter att du har visat ditt innehåll
      • Eller någon gång senare i ett offlinesystem
   2. Utvärdera loopen med en offlineutvärdering efter en viss tids användning. Med en offlineutvärdering kan du testa och utvärdera effektiviteten i Personanpassartjänsten utan att ändra din kod eller påverka användarupplevelsen.

Referens

• Personanpassare C#/.NET SDK
• Personanpassare Go SDK
• Personanpassare JavaScript SDK
• Python SDK för personanpassare
• REST API:er

Nästa steg