Bu makale, Kişiselleştirme hizmeti hakkında sık sorulan sorun giderme sorularının yanıtlarını içerir.
Tek bölgeli veri yerleşimi
Kişiselleştirme ne zaman kullanım dışı bırakılacak?
20 Eylül 2023 tarihinden itibaren yeni Kişiselleştirme kaynakları oluşturamayacaksınız. Kişiselleştirme hizmeti 1 Ekim 2026'da kullanımdan kaldırılıyor.
Verilerim tek bölgeli veri yerleşimi olan bir bölgede nasıl çoğaltılır?
Kişiselleştirme, müşteri verilerini müşterinin hizmet örneğini dağıttığı bölgenin dışında depolamaz/işlemez.
Yapılandırma sorunları
Bir yapılandırma ayarını değiştirdim ve döngüm artık aynı öğrenme düzeyinde çalışmıyor. Neler oldu?
Bazı yapılandırma ayarları modelinizi sıfırlar. Yapılandırma değişiklikleri, belgeleri okuduktan sonra dikkatlice planlanmalı ve yürütülmelidir.
Kişiselleştirme'yi API ile yapılandırırken bir hata aldım. Neler oldu?
Hizmetinizi yapılandırmak ve öğrenme davranışınızı değiştirmek için tek bir API isteği kullanırsanız bir hata alırsınız. İki ayrı API çağrısı yapmanız gerekir: önce hizmetinizi yapılandırmak, ardından öğrenme davranışını değiştirmek için.
İşlem hataları
Hizmetten HTTP 429 (Çok fazla istek) yanıtı alıyorum. Ne yapabilirim?
Kişiselleştirme örneğini oluştururken ücretsiz bir fiyat katmanı seçtiyseniz, izin verilen Sıralama isteklerinin sayısında bir kota sınırı vardır. Api çağrı hacminizin seçilen katman için eşiği aşması bekleniyorsa, Rank API çağrı hızınızı gözden geçirin (Kişiselleştirme kaynağınız için Azure portalındaki Ölçümler bölmesinde) ve fiyatlandırma katmanını ayarlayın (Fiyatlandırma Katmanı bölmesinde).
Rank veya Reward API'lerinde 5xx hatası alıyorum. Ne yapmalıyım?
5xx hataları geçici sorunlar olmalıdır. Bunlar oluşmaya devam ederse, Kişiselleştirme kaynağınız için Azure portalındaki Destek + sorun giderme bölümünde Yeni destek isteği'ni seçerek desteğe başvurun.
Öğrenme döngüsü
Çırak modunda öğrenme döngüsü, kişiselleştirilmiş olmayan (temel) ilkeyle %100 eşleşme elde etmez. Bunu nasıl düzeltirim?
Kişiselleştiricinin Çırak modundaki etkinliği nadiren uygulama temelinin %100'e yakınına ulaşacaktır; ve asla aşma. En iyi yöntem %100 elde etmeyi hedeflemek değildir; ancak kullanım örneğine bağlı olarak %60 – %80 aralığında ulaşılabilir olmalıdır. Ancak öğrenme performansı yavaşsa veya %60'ın altındaysa aşağıdaki sorunlar ortaya çıkabilir:
- Rank API çağrısıyla gönderilen özellikler yeterli değil
- Gönderilen özelliklerdeki hatalar - Zaman damgaları gibi toplanmamış özellik verilerini Rank API'sine gönderme gibi
- Döngü işleme ile ilgili hatalar - etkinlikler için Ödül API'sine ödül verileri göndermeme gibi
Bu sorunları gidermek için döngüye gönderilen özellikleri değiştirerek veya ödül puanının Rank API çağrısı tarafından döndürülen eylemin değerini doğru şekilde yakaladığından emin olarak ayarlamalar yapmanız gerekebilir.
Öğrenme döngüsü etkili veya hızlı bir şekilde öğrenmiyor gibi görünüyor. Bunu nasıl düzeltirim?
Rank çağrılarının etkili bir şekilde öncelik belirlemesi için öğrenme döngüsünün birkaç bin Ödül çağrısına ihtiyacı vardır.
Öğrenme döngünüzün şu anda nasıl davrandığını bilmiyorsanız çevrimdışı bir değerlendirme çalıştırın ve düzeltilmiş öğrenme ilkesini uygulayın.
Tüm öğeler için aynı olasılıklara sahip derece sonuçları almaya devam ediyorum. Kişiselleştirme'nin öğrendiğini Nasıl yaparım? biliyor musunuz?
Kişiselleştirme, yeni başlatıldığında ve boş bir modele sahip olduğunda veya Kişiselleştirme Döngüsü'ne sıfırladığınızda ve modeliniz hala Model güncelleştirme sıklığı döneminizde olduğunda Rank API'sinin sonucunda aynı olasılıkları döndürür.
Yeni güncelleştirme dönemi başladığında, güncelleştirilmiş model sonuçlarıyla olasılıkların değiştiğini görürsünüz.
Öğrenme döngüsü öğrenilmeye başladı ancak artık öğrenmiyor gibi görünüyor ve Derece sonuçlarının kalitesi o kadar da iyi değil. Ne yapmalıyım?
- Bu döngü için Azure portalında bir değerlendirme tamamladığınızdan ve uyguladığınızdan emin olun.
- Tüm ödüllerin Ödül API'si aracılığıyla başarıyla gönderildiğinden ve işlendiğinden emin olun.
Nasıl yaparım? öğrenme döngüsünün düzenli olarak güncelleştirildiğini ve verilerimi puanlarken kullanıldığını biliyor musunuz?
Modelin en son güncelleştirildiği zamanı Azure portalının Model ve Öğrenme Ayarlar sayfasında bulabilirsiniz. Eski bir zaman damgası görüyorsanız, bunun nedeni büyük olasılıkla Derece ve Ödül çağrılarını göndermemenizdir. Hizmette gelen veri yoksa, öğrenmeyi güncelleştirmez. Öğrenme döngüsünün yeterince sık güncelleştirilmediğini görürseniz döngünün Model Güncelleştirme sıklığını düzenleyebilirsiniz.
Çevrimdışı değerlendirmeler
Çevrimdışı değerlendirmenin özellik önemi, yüzlerce veya binlerce öğe içeren uzun bir liste döndürür. Neler oldu?
Bunun nedeni genellikle zaman damgaları, kullanıcı kimlikleri veya gönderilen diğer ayrıntılı özelliklerdir.
Çevrimdışı bir değerlendirme oluşturdum ve neredeyse anında başarılı oldu. Bunun nedeni nedir? Hiçbir sonuç göremiyorum?
Çevrimdışı değerlendirme, eğitilen modeli ve bu zaman aralığında Rank/Reward API'lerine gönderilen olaylardaki verileri kullanır. Uygulamanız değerlendirmenin başlangıç ve bitiş saatleri arasında veri göndermediyse, sonuç olmadan hızla tamamlanır.
Öğrenme ilkesi
Öğrenme ilkesini Nasıl yaparım? içeri aktarasın?
Öğrenme ilkesi kavramları ve yeni bir öğrenme ilkesi uygulama hakkında daha fazla bilgi edinin. Bir öğrenme ilkesi seçmek istemiyorsanız, çevrimdışı değerlendirmeyi kullanarak geçerli etkinliklerinize göre bir öğrenme ilkesi önerebilirsiniz.
Güvenlik
Kişiselleştirme hangi API kimlik doğrulama protokollerini destekler?
Kişiselleştirme API'leri, çeşitli kimlik doğrulama ve eşitleme protokollerini destekleyen Microsoft Entra Id kullanır.
Döngüm için API anahtarının güvenliği aşıldı. Ne yapabilirim?
İstemcilerinizi diğer anahtarı kullanacak şekilde değiştirdikten sonra bir anahtarı yeniden oluşturabilirsiniz. İki anahtara sahip olmak, kapalı kalma süresine gerek kalmadan anahtarı gecikmeli bir şekilde yaymanıza olanak tanır. Güvenlik amacıyla, bunu düzenli bir tempoda yapmanızı öneririz.