Så här fungerar Personanpassning
Viktigt!
Från och med den 20 september 2023 kommer du inte att kunna skapa nya personaliseringsresurser. Personanpassningstjänsten dras tillbaka den 1 oktober 2026.
Personalizer-resursen, din inlärningsloop, använder maskininlärning för att skapa den modell som förutsäger den främsta åtgärden för ditt innehåll. Modellen tränas uteslutande på dina data som du skickade till den med ranknings- och belöningsanropen. Varje loop är helt oberoende av varandra.
API:er för rangordning och belöning påverkar modellen
Du skickar åtgärder med funktioner och kontextfunktioner till Rank-API:et. Rank-API:et bestämmer sig för att använda något av följande:
- Exploit: Den aktuella modellen för att bestämma den bästa åtgärden baserat på tidigare data.
- Utforska: Välj en annan åtgärd i stället för den översta åtgärden. Du konfigurerar den här procentandelen för din Personalizer-resurs i Azure-portalen.
Du fastställer belöningspoängen och skickar den poängen till Reward-API:et. Belönings-API:et:
- Samlar in data för att träna modellen genom att registrera funktionerna och belöningspoängen för varje rankningsanrop.
- Använder dessa data för att uppdatera modellen baserat på den konfiguration som anges i utbildningspolicyn.
Systemet anropar Personanpassning
Följande bild visar arkitekturflödet för att anropa ranknings- och belöningsanropen:
Du skickar åtgärder med funktioner och kontextfunktioner till Rank-API:et.
- Personanpassning avgör om du vill utnyttja den aktuella modellen eller utforska nya val för modellen.
- Rankningsresultatet skickas till EventHub.
Den översta rangordningen returneras till systemet som belöningsåtgärds-ID. Systemet presenterar innehållet och fastställer en belöningspoäng baserat på dina egna affärsregler.
Systemet returnerar belöningspoängen till inlärningsloopen.
- När Personanpassning får belöningen skickas belöningen till EventHub.
- Rangordningen och belöningen är korrelerade.
- AI-modellen uppdateras baserat på korrelationsresultaten.
- Slutsatsdragningsmotorn uppdateras med den nya modellen.
Personanpassning tränar om din modell
Personanpassning tränar om din modell baserat på inställningen för uppdatering av modellfrekvens på din Personalizer-resurs i Azure-portalen.
Personanpassning använder alla data som för närvarande behålls, baserat på inställningen Datakvarhållning i antal dagar på din Personalizer-resurs i Azure-portalen.
Forskning bakom Personanpassning
Personaliseraren bygger på avancerad vetenskap och forskning inom området förstärkningsinlärning , inklusive artiklar, forskningsaktiviteter och pågående utforskningsområden i Microsoft Research.
Nästa steg
Lär dig mer om de vanligaste scenarierna för Personanpassning