メディア レコメンデーションのチェックリスト

コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

Google Cloud プロジェクトを設定し、Vertex AI Agent Builder を有効にして、プロジェクトのアクセス制御を設定します。既存の Google Cloud プロジェクトがすでにある場合は、それを使用できます。

操作

1. 始める前にの手順を完了します。

Vertex AI Search へのインポート用にデータを準備します。

メディア レコメンデーション アプリには、次の 2 種類のデータが必要です。

• 構造化メディアデータ。メディア コンテンツに関するメタデータ情報（タイトル、説明、URI など）をメディアの場所にアップロードします。 Vertex AI Search には、メディアの事前定義スキーマが用意されています。 独自のスキーマを使用することもできます。

• ユーザー イベント。メディア レコメンデーションでは、ユーザー イベントの記録が必要です。 ユーザー イベントは、アプリをトレーニングしてレコメンデーションを生成するために必要です。

操作

1. メディアデータとデータストアに関する情報を確認し、メディア ドキュメントとデータストアについてで、必要なスキーマとフィールドに従ってデータを準備します。独自のスキーマを使用している場合は、JSON オブジェクトとしてのスキーマの例と構造化データもご覧ください。

2. ユーザー イベントについてで、メディア ユーザー イベントの要件を確認します。

アプリとデータストアを作成し、メディアデータとユーザー イベントをインポートします。

メディアデータのインポート方法は、インポート元によって異なります。たとえば、データが Cloud Storage にある場合は、コンソールまたは API を使用して、データのバケット ロケーションを指定してデータをインポートできます。

操作

1. メディア データストアを作成します。

2. メディア レコメンデーション アプリを作成します。

3. 過去のユーザー イベントを一括インポートして、アプリでトレーニングを開始できるようにします。

4. リアルタイムのユーザー イベントの記録を設定します。

フィールドの設定を更新してフィルタ可能にすると、そのフィールドを使用してレコメンデーションの結果をフィルタできます。

操作

1. Vertex AI Search で特定のフィールドを使用してレコメンデーションをフィルタするには、そのフィールドをフィルタ可能として設定します。フィールド設定を構成するをご覧ください。

2. レコメンデーションをフィルタリングします。

3. サービス提供構成を適用して、メディア レコメンデーションを降格させ、多様化します。 サービス提供構成の作成と管理をご覧ください。

レコメンデーションをプレビューして、レコメンデーションが想定どおりに表示されているかどうかを確認できます。

操作

1. レコメンデーションをプレビューするには、Agent Builder コンソールまたは API を使用します。

   • コンソール。コンソールの [プレビュー] ページを使用して、レコメンデーションをプレビューします。アプリで使用するデータの種類については、レコメンデーションを取得するの コンソールの手順をご覧ください。

   • API。API 呼び出しをアプリケーションに統合する場合は、API 呼び出しを行ってレコメンデーションをプレビューします。アプリが使用するデータの種類については、レコメンデーションを取得するの REST の手順をご覧ください。

メディア レコメンデーション アプリのプレビュー バージョンに問題がなければ、ウェブサイトにデプロイしてユーザーと共有します。

操作

1. レコメンデーション アプリをデプロイするには、API 呼び出しをサーバーまたはアプリケーションに統合します。API 呼び出しの詳細については、レコメンデーションを取得するで、アプリで使用するデータの種類に関する REST の手順をご覧ください。

   クライアント ライブラリのリソースについては、Vertex AI Agent Builder クライアント ライブラリをご覧ください。

アプリをメンテナンスすることで、データストアで最新の必要なデータを利用できるようにできます。

メディア レコメンデーション アプリは 3 か月ごとに自動的にチューニングされます。ただし、データストアが大幅に変更された場合や、ユーザー イベントを一括インポートする場合は、アプリを手動で再トレーニングする必要があります。

操作

1. メディアデータの品質を確認します。

2. 構造化データを更新します。

3. メディアアプリをトレーニングしてチューニングします。