Architektura Intelligent Recommendations

Intelligent Recommendations to hyper-ext extible i skalowalny Microsoft Azure bezsprzeczny usługa, która jest łatwa do rozpoczęcia i można rozpocząć jej używanie z integracją z kodem zerowym.

Przepływ usługi

Intelligent Recommendations mają dwa punkty integracji:

• Odczyt danych klientów z tyłu za pomocą programu Microsoft Azure Data Lake Storage
• Front-end służący do obsługi, które prezentują wyniki rekomendacji po stronie klienta za pośrednictwem bezpiecznego punktu końcowego HTTPS

Wszystkie istotne dla uczenia maszynowego Intelligent Recommendations dane, takie jak katalog przedmiotów, dostępność i inne metadane oraz interakcje (transakcje), są uporządkowane w systemie plików Data Lake Storage i w bezpieczny sposób.

Po drugiej stronie usługi aplikacja klienta wymaga interfejsu API Intelligent Recommendations, aby uzyskać spersonalizowaną lub zalecaną zawartość.

Aby uzyskać więcej informacji na temat Data Lake Storage, przejdź do wprowadzenie do usługi Azure Data Lake Storage Gen2.

Ważne

Intelligent Recommendations nie przechowuje ani nie przetwarza danych klientów poza regionem, w którym wdrażasz instancję usługi.

Krok 1: Przynieś własne dane

Intelligent Recommendations nie mają wymaganej licencji. Dzięki naszemu rozwiązaniu zgodnemu ze standardem wszystkie dane firm pozostają w zdefiniowanej lokalizacji geograficznej klienta. Można go połączyć z firmowym kontem przechowywania Data Lake Storage.

Typ danych	opis
Wykaz	Ogólne informacje o elementach, zawartości i innych usługach ogólnych będą zalecać Intelligent Recommendations.
Interakcje użytkowników	Interakcje między użytkownikami a elementami, których używają Intelligent Recommendations, a także korzystanie z nich w celu używania do tego celu przyszłych interakcji. Przykłady interakcji z użytkownikami to strumienie kliknij, zamówienia, pliki do pobrania, lubię to i widoki.

Krok 2: Uruchom usługę AI-ML

Po zorganizowaniu i udostępnieniu danych oraz zainicjowaniu wystąpienia usługi Intelligent Recommendations rozpoczyna się proces "przetwarzania". Dane są przetwarzane i modelowane zgodnie z potrzebami biznesowymi i scenariuszami. Postęp można monitorować, upewniając się, że dzienniki wyjściowe przebiegają bez zakłóceń.

Dzięki rozszerzaniu architektury firmy mogą wprowadzać więcej logiki biznesowej oraz zarządzać wieloma wystąpieniami modeli rekomendacji. Te wiele wystąpień jest przydatnych do doświadczeń lub do tworzenia spraw z różnymi sygnałymi.

Krok 3: Wywołania interfejsów API w celu użycia wyników w dowolnym miejscu

Nasze rozwiązanie integruje się dobrze na platformach używających prostego interfejsu API rekomendacji w celu tworzenia rozszerzania i dostosowywania interfejsu.

To rozwiązanie umożliwia filtrowanie w czasie rzeczywistym i odświeżanie wyników wyszukiwania elementów, a także personalizację dowolnej listy.

Przykłady można znaleźć w Przykładowe obsługiwane scenariusze. Aby uzyskać informacje na temat interfejsu API, przejdź do interfejsu API Intelligent Recommendations.

Wypróbuj bezpłatnie

W przypadku jednego modelu i jednego konta w aplikacji RPS można bezpłatnie wypróbować Intelligent Recommendations przez trzy miesiące. Aby uzyskać więcej informacji, zobacz Przewodnik Szybki start.

Zobacz też

Wdrażanie Intelligent Recommendations
używanie kontraktów danych do udostępniania danych interfejsu
API Intelligent Recommendations