详细内容或原文请订阅后点击阅览
使用 Amazon Bedrock 上的 Amazon Personalize 和 Amazon Titan Text Embeddings 为新闻读者提供个性化体验
在本文中，我们将展示如何使用 AWS AI/ML 服务向用户推荐突发新闻。通过利用 Amazon Bedrock 上的 Amazon Personalize 和 Amazon Titan Text Embeddings 的强大功能，您可以在文章发布后的几秒钟内向感兴趣的用户展示文章。
来源:亚马逊云科技 _机器学习新闻出版商希望为读者提供个性化和有益的经验，但是新闻文章的短期保质期可能会使情况变得非常困难。在新闻出版中，文章通常在发表的同一天具有高峰读者群。此外，新闻出版商经常发表新文章，并希望尽快向有兴趣的读者展示这些文章。这对基于交互的推荐系统方法（例如协作过滤）和亚马逊个性化中使用的深度学习方法（可以从其过去的行为中学习用户偏好）中的基于学习的深度方法提出了挑战，并快速调整建议以实时计算用户行为的变化。
Amazon个性化新闻出版商通常没有预算或工作人员来尝试内部算法，需要完全管理的解决方案。在这篇文章中，我们演示了如何通过使用亚马逊基岩中的文本嵌入方式为具有短货架生活的文章提供高质量的建议。 Amazon Bedrock一家完全管理的服务，可从领先的人工智能（AI）公司（例如AI21实验室，人类，众多，元，元，Mista，Mista，Mistail AI，稳定性AI和Amazon）提供高效的基础模型（FMS），以及通过单个API以及与安全性AI相关的广泛功能，以及负责任的私有性和AI II的广泛功能。
文本嵌入 亚马逊基岩嵌入是文本或图像等信息的数学表示。具体而言，它们是数字列表的向量或有序列表。该表示形式有助于捕获图像或文本的含义，以便您可以通过在嵌入空间中彼此之间的距离来确定它们彼此之间的相似图像或文本的含义。对于我们的帖子，我们使用Amazon Titan Text Embeddings模型。
距离 亚马逊泰坦文本嵌入解决方案概述
工作流程包括以下步骤：
Amazon