أوبن سيرش عبارة عن مجموعة برامج مفتوحة المصدر قابلة للتطوير ومرنة وقابلة للتوسيع للبحث والتحليلات ومراقبة الأمان وتطبيقات المراقبة، مرخصة بموجب ترخيص Apache 2.0. خدمة Amazon OpenSearch هي خدمة مُدارة بالكامل تجعل من السهل نشر OpenSearch وتوسيع نطاقه وتشغيله في سحابة AWS.

يستخدم OpenSearch إطار تصنيف احتمالي يسمى BM-25 لحساب درجات الصلة. إذا ظهرت كلمة رئيسية مميزة بشكل متكرر في المستند، فإن BM-25 يعين درجة صلة أعلى لذلك المستند. ومع ذلك، لا يأخذ إطار العمل هذا في الاعتبار سلوك المستخدم مثل بيانات النقر أو الشراء، والتي يمكن أن تؤدي إلى تحسين مدى ملاءمتها للمستخدمين الفرديين.

يعد تحسين وظيفة البحث جزءًا لا يتجزأ من تحسين تجربة المستخدم الشاملة والمشاركة في موقع الويب أو التطبيق. تعتبر حركة البحث عالية النية لأن المستخدمين يبحثون بنشاط عن عنصر معين، وقد وجد أنهم يقومون بتحويل ما يصل إلى ضعف عدد زوار البحث خارج الموقع في المتوسط. باستخدام بيانات تفاعل المستخدم مثل النقرات والإعجابات والمشتريات، يمكن للشركات تحسين ملاءمة البحث للاستفادة من حركة المرور هذه وتقليل حالات تخلي المستخدمين عن جلساتهم بسبب الصعوبات في العثور على العناصر المطلوبة. من خلال تحسين جودة نتائج البحث، يمكن للشركات تحسين مشاركة عملائها ورضاهم وولائهم بشكل كبير، بالإضافة إلى زيادة معدلات التحويل، مما يؤدي في النهاية إلى زيادة الربحية والنجاح.

تخصيص أمازون يسمح لك بإضافة إمكانات تخصيص متطورة إلى تطبيقاتك باستخدام نفس تقنية التعلم الآلي (ML) المستخدمة في Amazon.com لأكثر من 20 عاما. ليست هناك حاجة إلى خبرة ML.

يدعم Amazon Personalize الضبط التلقائي للتوصيات بناءً على المعلومات السياقية حول المستخدم الخاص بك، مثل نوع الجهاز أو الموقع أو الوقت من اليوم أو المعلومات الأخرى التي تقدمها. أنت تقوم بتزويد Amazon Personalize بالبيانات التاريخية حول المستخدمين لديك وتفاعلاتهم داخل تطبيقك، مثل سجل الشراء والتقييمات والإعجابات. يمكنك إضافة البيانات إلى Amazon Personalize بشكل مجمّع عن طريق استيراد مجموعات بيانات تاريخية كبيرة دفعة واحدة من ملف خدمة تخزين أمازون البسيطة (Amazon S3) ملف CSV، باستخدام التنسيق المطلوب بواسطة Amazon Personalize. يمكنك أيضًا إضافة البيانات بشكل تدريجي عن طريق استيراد السجلات باستخدام وحدة تحكم Amazon Personalize أو واجهة برمجة التطبيقات. بعد استيراد بياناتك التاريخية، يمكنك الاستمرار في تقديم بيانات جديدة في الوقت الفعلي عن طريق إرسال أحداث تفاعل المستخدم. واستنادًا إلى حالة الاستخدام التي تريد معالجتها، مثل توصيات المنتج، يمكنك تحديد وصفة معدة مسبقًا تم تحسينها لتحقيق هذا الهدف. يقوم Amazon Personalize بتحليل بياناتك وتدريب نموذج ML مخصص استنادًا إلى المعلمات الموجودة في الوصفة لإنشاء توصيات مخصصة مُحسّنة لمستخدميك وتطبيقك. بعد تدريب النموذج، يمكنك إنشاء توصيات مخصصة في الوقت الفعلي للمستخدمين.

مع إطلاق البرنامج المساعد للبحث المخصص من أمازون لخدمة Amazon OpenSearch، يمكنك استخدام سجلات تفاعلات المستخدم واهتماماته لتحسين نتائج البحث الخاصة به. من خلال استخدام وصفة الأمازون الشخصية مثل الترتيب الشخصي، يمكنك المساعدة في تعزيز نتائج البحث للعناصر ذات الصلة بناءً على اهتمامات المستخدم في وقت الحصول على نتائج البحث من خدمة OpenSearch.

يشرح هذا المنشور كيفية دمج البرنامج الإضافي Amazon Personalize Search Ranking مع خدمة OpenSearch لتمكين تجارب البحث المخصصة. لإنشاء عناصر Amazon Personalize في هذا المنشور، نستخدم مجموعة بيانات من IMDb، المصدر الأكثر موثوقية في العالم لمحتوى الأفلام والتلفزيون والمشاهير، متاح على AWS Marketplace، فضلا عن مجموعة بيانات MovieLens تم إعداده بواسطة أبحاث GroupLens في جامعة مينيسوتا، ويتكون من تصنيفات المستخدمين لأفلام مختلفة.

حل نظرة عامة

يوضح الرسم البياني التالي بنية الحل.

يتضمن سير العمل الخطوات التالية:

1. يصدر المستخدم طلب بحث من خلال موقعه على الويب أو بوابته الإلكترونية. يتم إرسال طلب البحث هذا إلى خدمة OpenSearch.
2. يتم إرجاع أفضل نتائج بحث N من فهرس خدمة OpenSearch وإرسالها إلى البرنامج المساعد للمعالجة المسبقة وإعداد الإدخال لـ حملة أمازون إضفاء الطابع الشخصي.
3. يتم إرسال الطلب إلى Amazon Personalize للحصول على نتائج البحث المُعاد تصنيفها.
4. تقوم Amazon Personalize بإرجاع الترتيب المخصص لنتائج البحث مع النتيجة ذات الصلة لكل نتيجة.
5. يتم إرجاع النتائج المعاد ترتيبها بواسطة البرنامج الإضافي إلى خدمة OpenSearch، مع تطبيق الترجيح بين درجة ملاءمة خدمة OpenSearch ودرجة التصنيف المخصصة لـ Amazon Personalize. يمكنك تحديد معلمة الوزن (بين 0.0–1.0) التي تتحكم في التوازن بين OpenSearch Service وAmazon Personalize عند إعادة ترتيب النتائج. الوزن الأعلى يعني تأثيرًا أكبر من نتائج تصنيف Amazon Personalize مقابل نتائج خدمة OpenSearch Service. يتيح لك ذلك تخصيص مدى تأثير التوصيات المخصصة على تصنيف نتائج البحث النهائية التي يتم إرجاعها إلى المستخدم.
6. يحصل المستخدم على نتائج بحث مخصصة بناءً على تفضيلاته وتفاعلاته.

المتطلبات الأساسية المسبقة

يجب أن يكون لديك المتطلبات الأساسية التالية:

• An حساب AWS.
• An إدارة الهوية والوصول AWS (IAM) مع أذونات الوصول المناسبة. نحن نقدم تكوين سحابة AWS القوالب ودفاتر ملاحظات Jupyter للمساعدة في إعداد دور IAM المطلوب والوصول إليه.
• لتمكين التخصيص في خدمة OpenSearch، تحتاج إلى إعداد موارد Amazon Personalize المطلوبة، بما في ذلك مجموعة البيانات وإصدار الحل والحملة. لقد قدمنا ​​أ دفتر جوبيتر الذي ينشئ جميع موارد Amazon Personalize، مع الاستفادة من إمكانات مثيل دفتر Jupyter المُدارة بالكامل الأمازون SageMaker.

انشر حزمة CloudFormation

يقوم مكدس CloudFormation بأتمتة نشر مجال خدمة OpenSearch Service ومثيل SageMaker Notebook. أكمل الخطوات التالية لنشر المكدس:

1. تسجيل الدخول إلى وحدة تحكم إدارة AWS باستخدام بيانات الاعتماد الخاصة بك في الحساب الذي تريد نشر مكدس CloudFormation فيه.
2. قم بتشغيل مكدس CloudFormation مباشرة.
3. على تحديد التفاصيل الصفحة، قم بتوفير أي معلمات يتطلبها القالب، مثل خدمة OpenSearch وأحجام مثيلات SageMaker.
4. على تكوين خيارات المكدس الصفحة، حدد اسم المكدس وأي خيارات أخرى تريد تعيينها.
5. أكمل إنشاء المكدس وراقب الحالة في صفحة تفاصيل المكدس.
6. بعد إنشاء المكدس، افتح مثيل دفتر ملاحظات SageMaker من وحدة التحكم.

سيتم بالفعل تحميل مثيل دفتر الملاحظات بدفاتر الملاحظات المطلوبة.

قم بإعداد وإكمال سير عمل Amazon Personalize

فتح 1.Configure_Amazon_Personalize.ipynb دفتر ملاحظات لإعداد عناصر Amazon Personalize. يرشدك هذا الدفتر عبر الخطوات التالية:

1. قم بتنزيل مجموعة البيانات وقم بمعالجة البيانات مسبقًا لإنشاء ملفات الإدخال المطلوبة لإنشاء مجموعات البيانات.
2. إنشاء مجموعة بيانات.
3. إنشاء مجموعات البيانات والمخططات.
4. إعداد واستيراد البيانات.
5. إنشاء حل وإصدار الحل.
6. قم بإنشاء حملة لإصدار الحل.

قم بتثبيت البرنامج المساعد Amazon Personalize Search Ranking باستخدام دفتر ملاحظات Jupyter

فتح 2.تكوين_Amazon_OpenSearch.ipynb دفتر الملاحظات وتشغيل من خلال التعليمات. يرشدك هذا الدفتر عبر الخطوات التالية:

1. استيعاب بيانات الفهرس النموذجية في مثيل خدمة OpenSearch. يؤدي ملء الفهرس بالبيانات التمثيلية إلى تسهيل الاختبار الشامل والتحقق من صحة البرنامج المساعد.
2. قم بتثبيت حزمة البرنامج المساعد في مجال خدمة OpenSearch. يؤدي هذا إلى دمج إمكانيات التخصيص في بيئة OpenSearch.
3. قم بإعداد خطوط أنابيب البحث لتنشيط وظيفة البرنامج المساعد. تحتوي مسارات البحث على معالجات مسبقة للطلب ومعالجات لاحقة للاستجابة تعمل على تحويل الاستعلامات والنتائج. عند إنشاء مسار، حدد حملة Amazon Personalize ARN التي تم إنشاؤها مسبقًا في personalized_search_ranking معالج ما بعد لتمكين إعادة الترتيب الشخصية. يؤدي هذا إلى تكوين البرنامج الإضافي لاسترداد نتائج التخصيص في الوقت الفعلي من Amazon Personalize للتطبيق أثناء معالجة النتائج. يتيح تحديد خطوط الأنابيب للمكون الإضافي زيادة أهمية البحث بناءً على تفضيلات المستخدم.

قم بتثبيت البرنامج المساعد Amazon Personalize Search Ranking باستخدام وحدة التحكم

يمكنك أيضًا إعداد البرنامج الإضافي للبحث Amazon Personalize من وحدة التحكم. ما عليك سوى القيام بذلك إذا لم تقم بتثبيت البرنامج الإضافي باستخدام دفتر Jupyter السابق.

لتثبيت البرنامج الإضافي Amazon Personalize Search Ranking على خدمة OpenSearch، أكمل الخطوات التالية:

1. في وحدة تحكم خدمة OpenSearch، انتقل إلى المجال الخاص بك.
2. على الباقات علامة التبويب، اختر الحزمة المرتبطة لربط البرنامج الإضافي Amazon Personalize Search Ranking بمجال خدمة OpenSearch الخاصة بك. يجب أن يتطابق إصدار البرنامج المساعد مع إصدار مجال خدمة OpenSearch.

يمكن تثبيت البرنامج الإضافي Amazon Personalize Search Ranking على الإصدارات 2.9 من خدمة OpenSearch Service والإصدارات الأحدث.

3. حدد موقع البرنامج المساعد Amazon Personalize Search Ranking في قائمة المكونات الإضافية المتاحة.
4. اختار محام بجوار المكون الإضافي لتثبيته وربطه بنطاق خدمة OpenSearch الموجود لديك.

بعد توصيل المكون الإضافي، سيظهر في قائمة الحزم كنوع مكون إضافي. بعد تثبيت البرنامج المساعد، انتهت عملية التثبيت الآن.

قم بتمكين البرنامج المساعد Amazon Personalize Search Ranking

يستخدم البرنامج المساعد Amazon Personalize Search Ranking search-pipeline ميزة خدمة OpenSearch، التي تم إصدارها بدءًا من الإصدار 2.9. البرنامج المساعد يعتمد على search-pipeline ميزة لتطبيق تصنيف أمازون المخصص على نتائج البحث التي تقدمها خدمة OpenSearch ويجب أيضًا إعدادها كملف search-pipeline معالج الاستجابة. سيحتوي تعريف المسار هذا على تكوين للمكون الإضافي Amazon Personalize، والذي يتضمن حملة Amazon Personalize للدعوة للحصول على تصنيف Amazon Personalize، ودور IAM للوصول إلى موارد Amazon Personalize، بالإضافة إلى المعلمات المحددة في الجدول التالي.

يقوم مقتطف كود Python التالي بإنشاء مسار بحث باستخدام ملف personalized_search_ranking معالج الاستجابة في مجال خدمة OpenSearch. يمكنك تشغيل هذه الخطوة مرة واحدة كجزء من دفتر الملاحظات المصاحب لهذا المنشور:

تحديد مسار البحث للتصنيف الشخصي

يمكنك استخدام كود Python التالي لإنشاء مسار بحث باستخدام ملف personalized_search_ranking معالج الاستجابة في مجال خدمة OpenSearch. استبدل نقطة نهاية المجال بعنوان URL لنقطة نهاية المجال الخاص بك. على سبيل المثال: https://<domain name>.<AWS region>.es.amazonaws.com.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
pipeline_name = 'pipeline name'
url = f'{domain_endpoint}/_search/pipeline/{pipeline_name}'
auth = AWSSigV4('es')

headers = {'Content-Type': 'application/json'}

body = {
  "description": "A pipeline to apply custom re-ranking from Amazon Personalize",
  "response_processors": [
    {
      "personalized_search_ranking" : {
        "campaign_arn" : "<Replace with Amazon Personalize Campaign ARN>",
        "item_id_field" : "itemId",
        "recipe" : "aws-personalized-ranking",
        "weight" : "0.3",
        "tag" : "personalize-processor",
        "iam_role_arn": "<Replace with Role ARN>",
        "aws_region": "<Replace with AWS region>",
        "ignore_failure": true
    }
  ]
}
try:
    response = requests.put(url, auth=auth, json=body, headers=headers)
    print(response.text)
except Exception as e:
    print(f"Error: {e}")

تطبيق مسار البحث على استعلام فردي

بعد تكوين مسار البحث باستخدام ملف personalized_search_ranking معالج الاستجابة، يمكنك تطبيق البرنامج الإضافي Amazon Personalize Search Ranking على استعلامات OpenSearch الخاصة بك وعرض النتائج المعاد تصنيفها. قم بتحديث الكود لتحديد نقطة نهاية المجال الخاص بك، وفهرس خدمة OpenSearch، واسم خط الأنابيب الخاص بك (الذي قمت بتكوينه أعلاه)، والاستعلام الخاص بك (نستخدم "Tom Cruise" للاستعلام). ل user_id، حدد معرف المستخدم الذي تحصل على نتائج البحث عنه. يجب أن يكون هذا المستخدم موجودًا في البيانات التي استخدمتها لإنشاء إصدار حل Amazon Personalize الخاص بك.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
index = 'index name'
url = f'{domain_endpoint}/{index}/_search/'

auth = AWSSigV4('es')
headers = {'Content-Type': 'application/json'}
params = {"search_pipeline": "<Replace with pipeline-name>"}
body = {
    "query": {
        "multi_match": {
            "query": "Tom Cruise",
            "fields": ["title", "plot", "genres", "directedBy", "starring"]
        }
    },
    "ext": {
        "personalize_request_parameters": {
            "user_id": "<Replace with USER ID>"
        }
    }
}
try:
    response = requests.post(url, auth=auth, params=params, json=body, headers=headers)
    print(response)
except Exception as e:
    print(f"Error: {e}")

قيم النتائج

فتح 3.Testing.ipynb قم بدفتر الملاحظات وقم بالتعرف على خطوات اختبار ومقارنة نتائج الاستعلامات التي تستخدم التخصيص وتلك التي لا تستخدمه. يقوم البرنامج الإضافي Amazon Personalize Search Ranking بإعادة ترتيب نتائج البحث في استجابة استعلام خدمة OpenSearch. إنه يأخذ في الاعتبار الترتيب من Amazon Personalize والتصنيف من OpenSearch Service. يرشدك هذا الدفتر عبر الخطوات التالية:

1. حدد معلمات الاتصال الضرورية لتأسيس اتصال بمجال خدمة OpenSearch الخاص بك. يتضمن ذلك تحديد نقطة نهاية المجال وبيانات اعتماد المصادقة وأي إعدادات تكوين إضافية مطلوبة لإعداد خدمة OpenSearch المحددة لديك.
2. قم بإنشاء مجموعة من نماذج الاستعلامات، بما في ذلك الاستعلامات ذات معلمات التخصيص والاستعلامات التي لا تحتوي على معلمات التخصيص. سيتم استخدام هذه الاستعلامات لتقييم تأثير التخصيص على نتائج البحث.
3. قم بتشغيل ومقارنة نتائج الاستعلامات التي تستخدم التخصيص وتلك التي لا تستخدمه.

على سبيل المثال، استخدمنا استعلامًا عن "Tom Cruise" وبالنسبة لمعلمة التخصيص، استخدمنا مستخدمًا لديه تاريخ حديث في مشاهدة أنواع الأفلام الدرامية والرومانسية. تُظهر نتائج البحث اللاحقة كيف يقوم البرنامج الإضافي بتخصيص التوصيات وتحديد أولوياتها بناءً على سلوك المشاهدة الملحوظ للمستخدم. يجسد هذا قدرة البرنامج الإضافي على تقديم تجربة مخصصة ومنسقة من خلال مراعاة تفضيلات المستخدم الفردية وأنماط المشاركة. تتيح القدرة على تحسين نتائج البحث ومواءمتها بناءً على استنتاجات تفضيلات المستخدم توفير صلة وفائدة محسنة.

النتائج الشخصية مقابل النتائج غير الشخصية

دعونا نفكر في تخصيص النتائج لمستخدم بالمعرف 12. أولاً، نتحقق من التفاعلات الأخيرة لهذا المستخدم عن طريق تشغيل التعليمات البرمجية في 3.Testing.ipynb دفتر ملاحظات لاسترداد سجل التفاعل الخاص بهم. يتيح لنا هذا معرفة أنواع الأفلام التي قام هذا المستخدم بمراجعتها مؤخرًا، والتي يمكن أن توضح كيفية تخصيص التوصيات لها.

في هذا المثال، نرى أن المستخدم قد أعرب عن اهتمامه بأنواع أفلام الدراما والرومانسية والإثارة. لتقديم توصيات مخصصة، نقوم أولاً بتشغيل الاستعلامات مع تمكين معلمات التخصيص، وذلك باستخدام تفضيلات النوع الخاصة بالمستخدم. نقوم بعد ذلك بتشغيل نفس الاستعلامات دون تمكين التخصيص، للمقارنة. توضح النتائج التالية الفرق بين مخرجات التوصيات غير المخصصة والمخصصة.

يعرض العمودان الأولان نتائج خدمة OpenSearch الافتراضية للاستعلام "Tom Cruise" في فهرس الأفلام، مما يعرض مجموعة متنوعة من أفلام Tom Cruise عبر أنواع مختلفة. يعرض العمودان التاليان نتائج خدمة OpenSearch المخصصة لنفس استعلام "Tom Cruise"، ولكنها مخصصة للمستخدم المهتم بأنواع الدراما والرومانسية والإثارة. بالمقارنة مع النتائج العامة، فإن النتائج المخصصة تعرض بشكل بارز أفلام Tom Cruise في أنواع الدراما والرومانسية والإثارة المفضلة لدى المستخدم. تسلط الدلتا الضوء على كيفية إعادة تصنيف النتائج المخصصة مقارنة بالنتائج غير المخصصة، مع إعطاء الأولوية للأفلام التي تتوافق مع تفضيلات النوع الخاصة بالمستخدم. يوضح هذا كيف يمكن للتخصيص تخصيص نتائج خدمة OpenSearch لتناسب أذواق المستخدمين واهتماماتهم الفردية.

توضح هذه المقارنة كيف يمكن لـ Amazon Personalize تخصيص نتائج أفلام خدمة OpenSearch Service لتتناسب مع اهتمامات المستخدم الفردي. على الرغم من أن خدمة OpenSearch القياسية تهدف إلى تقديم نتائج الأفلام ذات الصلة لـ Tom Cruise عالميًا، إلا أن Amazon Personalize تقوم بتخصيص النتائج للتركيز على أفلام Tom Cruise وتتوقع أن يستمتع بها هذا المستخدم بناءً على تاريخ المشاهدة الفريد وتفضيلاته.

توضح النتائج جنبًا إلى جنب كيف توفر Amazon Personalize تجربة بحث أكثر استهدافًا وتتمحور حول المستخدم من خلال تخصيص نتائج الأفلام للفرد.

تنظيف

أكمل الخطوات التالية لتنظيف مواردك:

1. اتبع الخطوات الواردة في 4.Cleanup.ipynb دفتر الملاحظات لتنظيف الموارد التي تم إنشاؤها من خلال دفتر الملاحظات.
2. في وحدة تحكم AWS CloudFormation، احذف المجموعة التي قمت بإنشائها.

وفي الختام

يتكامل البرنامج الإضافي Amazon Personalize Search Ranking بسلاسة مع خدمة OpenSearch لتمكين تجارب البحث المخصصة. باستخدام بيانات سلوك المستخدم وإمكانيات التعلم الآلي الخاصة بـ Amazon Personalize، يمكن للمكون الإضافي إعادة ترتيب تصنيفات نتائج خدمة OpenSearch لتعزيز الملاءمة لكل مستخدم فريد. يؤدي هذا إلى إنشاء تجربة بحث مخصصة تظهر المحتوى الأكثر صلة في أعلى النتائج. البرنامج المساعد قابل للتكوين لموازنة التخصيص مع التسجيل الأصلي لخدمة OpenSearch Service ليناسب حالات الاستخدام المتنوعة. بشكل عام، يعد المكون الإضافي Amazon Personalize Search Ranking وسيلة قوية لتعزيز ملاءمة البحث في خدمة OpenSearch ومشاركته من خلال مراعاة الاهتمامات والتفضيلات الفردية لمستخدميك. من خلال بضع خطوات تكوين فقط، يمكنك البدء في تقديم نتائج شديدة الصلة والتي يتردد صداها بقوة لدى المستخدمين.

موارد إضافية

حول المؤلف

جيمس جوري هو مهندس حلول رئيسي في الذكاء الاصطناعي التطبيقي مع AWS. لديه اهتمام خاص بأنظمة التخصيص والتوصية وخلفية في التجارة الإلكترونية وتكنولوجيا التسويق وتحليلات بيانات العملاء. في أوقات فراغه ، يستمتع بالتخييم ومحاكاة سباقات السيارات.

ريغان روزاريو هو مهندس حلول في AWS، وهو متخصص في بناء حلول سحابية قابلة للتطوير ومتاحة للغاية وآمنة لشركات تكنولوجيا التعليم. بفضل أكثر من 10 سنوات من الخبرة في أدوار هندسة البرمجيات والهندسة المعمارية، يحب ريغان استخدام معرفته التقنية لمساعدة عملاء AWS على تصميم حلول سحابية قوية تستفيد من اتساع وعمق AWS.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://aws.amazon.com/blogs/machine-learning/unlock-personalized-experiences-powered-by-ai-using-amazon-personalize-and-amazon-opensearch-service/