Принцип работы Персонализатора

Ресурс Персонализатора, ваш цикл обучения, используют машинное обучение для построения модели, которая предсказывает основные действия для вашего контента. Модель обучается исключительно на ваших данных, которые вы отправили ей с вызовами Ранг и Вознаграждение. Каждый цикл полностью независим друг от друга.

API для ранжирования и вознаграждения оказывают влияние на модель

Вы отправляете действия с функциями и контекстными функциями в Ранг API. API ранжирования решает, какую из следующих моделей использовать.

• Эксплуатация: текущая модель для принятия решения о наилучшем действии на основе прошлых данных.
• Обзор: выберите другое действие вместо самого верхнего действия. Ваша настройка этого процента для ресурса Персонализатора на портале Azure.

Вы определяете рейтинг вознаграждения и отправляете его в API Вознаграждений. API Reward:

• собирает данные для обучения модели, записывая характеристики и оценки вознаграждений каждого вызова ранжирования.
• Использует эти данные для обновления модели на основе конфигурации, указанной в Политике обучения.

Ваша система вызывает Персонализатора

На следующем изображении показан архитектурный процесс вызовов "Ранг" и "Вознаграждение".

1. Вы отправляете действия с атрибутами и контекстными признаками в Rank API.

   • Персонализатор решает, использовать ли текущую модель или исследовать новые варианты для модели.
   • Результат ранжирования отправляется в EventHub.

2. Наивысший ранг возвращается в вашу систему как идентификатор действия вознаграждения. Система представляет это содержимое и определяет оценку вознаграждения на основе собственных бизнес-правил.

3. Ваша система возвращает оценку вознаграждения в цикл обучения.

   • Когда Персонализатор получает вознаграждение, оно отправляется в EventHub.
   • Ранг и вознаграждение взаимосвязаны.
   • Модель ИИ обновляется на основе результатов корреляции.
   • Механизм вывода обновляется с помощью новой модели.

Персонализатор повторно обучает вашу модель

Персонализатор переобучает вашу модель в соответствии с настройкой "Model frequency update" на ресурсе Персонализатора в портале Azure.

Персонализатор использует все данные, сохраненные в данный момент, на основе настройки хранения данных в количестве дней на вашем ресурсе Персонализатора в портале Azure.

Исследования, связанные с Персонализатором

Персонализатор основан на передовых научных разработках и исследованиях в области Обучение с подкреплением, включая документы, исследовательскую деятельность и текущие области исследования в Майкрософт Research.

Следующие шаги

Узнайте о лучших сценариях для Персонализатора