Mulai menggunakan rekomendasi media

Menyiapkan set data

Anda menggunakan Cloud Shell untuk mengimpor set data Movielens dan menyusun ulang set data untuk Vertex AI Search for media.

Buka Cloud Shell

1. Buka Google Cloud console.
2. Pilih project Google Cloud Anda.
3. Catat ID project di kartu Project info di halaman dasbor. Anda akan memerlukan project ID untuk prosedur berikut.

4. Klik tombol Activate Cloud Shell di bagian atas konsol. Sesi Cloud Shell akan terbuka di dalam frame baru di bagian bawah konsolGoogle Cloud dan menampilkan perintah command line.

   

Mengimpor set data

Set data Movielens tersedia di bucket Cloud Storage publik untuk mempermudah pengimporan.

1. Jalankan perintah berikut menggunakan project ID Anda untuk menetapkan project default untuk command line.

   gcloud config set project PROJECT_ID
   

2. Buat set data BigQuery:

   bq mk movielens
   

3. Muat movies.csv ke dalam tabel BigQuery movies baru:

   bq load --skip_leading_rows=1 movielens.movies \
     gs://cloud-samples-data/gen-app-builder/media-recommendations/movies.csv \
     movieId:integer,title,genres
   

4. Muat ratings.csv ke dalam tabel BigQuery ratings baru:

   bq load --skip_leading_rows=1 movielens.ratings \
     gs://cloud-samples-data/gen-app-builder/media-recommendations/ratings.csv \
     userId:integer,movieId:integer,rating:float,time:timestamp
   

Membuat tampilan BigQuery

Pada langkah ini, Anda akan menyusun ulang set data Movielens agar mengikuti format yang diharapkan untuk rekomendasi media. Rekomendasi media memerlukan data peristiwa pengguna untuk membuat model. Untuk panduan ini, Anda akan membuat peristiwa view-item palsu selama 90 hari terakhir dari rating positif (< 4).

1. Buat tampilan yang mengonversi tabel film menjadi skema Document yang ditentukan Google:

   bq mk --project_id=PROJECT_ID \
    --use_legacy_sql=false \
    --view '
     WITH t AS (
       SELECT
         CAST(movieId AS string) AS id,
         SUBSTR(title, 0, 128) AS title,
         SPLIT(genres, "|") AS categories
         FROM `PROJECT_ID.movielens.movies`)
       SELECT
         id, "default_schema" as schemaId, null as parentDocumentId,
         TO_JSON_STRING(STRUCT(title as title, categories as categories,
         CONCAT("http://mytestdomain.movie/content/", id) as uri,
         "2023-01-01T00:00:00Z" as available_time,
         "2033-01-01T00:00:00Z" as expire_time,
         "movie" as media_type)) as jsonData
       FROM t;' \
   movielens.movies_view
   

   Sekarang, tampilan baru memiliki skema yang diharapkan oleh AI Applications API.

2. Buka halaman BigQuery di konsol Google Cloud .

   Buka BigQuery

3. Di panel Explorer, luaskan nama project Anda, luaskan set data movielens, lalu klik movies_view untuk membuka halaman kueri untuk tampilan ini.

   

4. Buka tab Table explorer.

5. Di panel Kueri yang dihasilkan, klik tombol Salin ke kueri. Editor kueri akan terbuka.

6. Klik Run untuk melihat data film dalam tampilan yang Anda buat.

7. Buat peristiwa pengguna fiktif dari rating film dengan menjalankan perintah Cloud Shell berikut:

   bq mk --project_id=PROJECT_ID \
    --use_legacy_sql=false \
    --view '
    WITH t AS (
     SELECT
       MIN(UNIX_SECONDS(time)) AS old_start,
       MAX(UNIX_SECONDS(time)) AS old_end,
       UNIX_SECONDS(TIMESTAMP_SUB(
       CURRENT_TIMESTAMP(), INTERVAL 90 DAY)) AS new_start,
       UNIX_SECONDS(CURRENT_TIMESTAMP()) AS new_end
     FROM `PROJECT_ID.movielens.ratings`)
     SELECT
       CAST(userId AS STRING) AS userPseudoId,
       "view-item" AS eventType,
       FORMAT_TIMESTAMP("%Y-%m-%dT%X%Ez",
       TIMESTAMP_SECONDS(CAST(
         (t.new_start + (UNIX_SECONDS(time) - t.old_start) *
         (t.new_end - t.new_start) / (t.old_end - t.old_start))
       AS int64))) AS eventTime,
       [STRUCT(movieId AS id, null AS name)] AS documents,
     FROM `PROJECT_ID.movielens.ratings`, t
     WHERE rating >= 4;' \
     movielens.user_events
   

Mengaktifkan Aplikasi AI

1. Di konsol Google Cloud , buka halaman AI Applications.

   Aplikasi AI

2. Baca dan setujui Persyaratan Layanan, lalu klik Continue and activate the API.

Membuat aplikasi untuk rekomendasi media

Prosedur di bagian ini akan memandu Anda membuat dan men-deploy aplikasi rekomendasi media.

1. Di konsol Google Cloud , buka halaman AI Applications.

   Aplikasi AI

2. Klik Buat aplikasi.

3. Di halaman Create app, pada bagian Media recommendations, klik Create.

4. Di kolom Nama aplikasi, masukkan nama untuk aplikasi Anda, seperti quickstart-media-recommendations. ID aplikasi Anda akan muncul di bawah nama aplikasi.

5. Di bagian Jenis rekomendasi, pastikan Lainnya yang mungkin Anda sukai dipilih.

6. Di bagian Tujuan Bisnis, pastikan Rasio klik-tayang (CTR) dipilih.

7. Klik Lanjutkan.

8. Buat penyimpanan data.

   1. Di halaman Data Stores, klik Create data store.

   2. Masukkan nama tampilan untuk penyimpanan data Anda, seperti quickstart-media-data-store, lalu klik Buat.

9. Pilih penyimpanan data yang baru saja Anda buat, lalu klik Buat untuk membuat aplikasi Anda.

Mengimpor data

Selanjutnya, impor data film dan peristiwa pengguna yang telah diformat sebelumnya.

Mengimpor dokumen

Impor dokumen movies_view yang dibuat di bagian Buat tampilan BigQuery ke penyimpanan data quickstart-media-data-store Anda.

1. Di bagian Sumber native di halaman Impor dokumen, pilih BigQuery.

2. Masukkan nama tampilan BigQuery yang Anda buat, lalu klik Impor.movies

   PROJECT_ID.movielens.movies_view
   

3. Tunggu hingga semua dokumen selesai diimpor, yang akan memakan waktu sekitar 15 menit. Setelah selesai, akan ada 86537 dokumen.

   Anda dapat memeriksa tab Aktivitas untuk mengetahui status operasi impor. Setelah impor selesai, status operasi impor akan berubah menjadi Selesai.

Mengimpor peristiwa pengguna

Impor user_events catatan yang dibuat di bagian Buat tampilan BigQuery ke penyimpanan data Anda.

1. Di tab Acara, klik Impor Acara.

2. Di bagian Sumber native di halaman Impor dokumen, pilih BigQuery.

3. Masukkan nama tampilan BigQuery user_events yang Anda buat, lalu klik Impor.

   PROJECT_ID.movielens.user_events
   

4. Tunggu hingga minimal satu juta peristiwa diimpor sebelum melanjutkan ke langkah berikutnya, untuk memenuhi persyaratan data guna melatih model baru.

   Anda dapat memeriksa tab Aktivitas untuk mengetahui status operasi. Proses ini memerlukan waktu sekitar satu jam karena Anda mengimpor jutaan baris.

5. Untuk melihat apakah persyaratan telah dipenuhi, buka tab Kualitas data > Persyaratan. Bahkan setelah peristiwa pengguna diimpor, perlu waktu beberapa saat agar tab Persyaratan memperbarui statusnya menjadi Persyaratan data terpenuhi.

Melatih model rekomendasi

1. Buka halaman Konfigurasi.

2. Klik tab Serving. Konfigurasi inferensi telah dibuat.

   Jika ingin menyesuaikan setelan Penurunan rekomendasi atau Diversifikasi hasil, Anda dapat melakukannya di halaman ini.

3. Klik tab Training.

   Setelah persyaratan data terpenuhi, model akan mulai dilatih secara otomatis. Anda dapat melihat status pelatihan dan penyesuaian di halaman ini.

   Mungkin perlu waktu beberapa hari agar model dilatih dan siap untuk dikueri. Kolom Siap dikueri menunjukkan Ya saat proses selesai. Anda perlu memuat ulang halaman untuk melihat perubahan Tidak menjadi Ya.

Pratinjau rekomendasi

Setelah model siap untuk dikueri:

1. Di menu navigasi, klik Pratinjau.

2. Klik kolom ID Dokumen. Daftar ID dokumen akan muncul.

3. Masukkan ID dokumen awal (film), seperti 4993 untuk "The Lord of the Rings: The Fellowship of the Ring (2001)".

   

4. Pilih nama Konfigurasi penayangan dari menu drop-down.

5. Klik Dapatkan rekomendasi. Daftar dokumen yang direkomendasikan akan muncul.

Men-deploy aplikasi untuk data terstruktur

Tidak ada widget rekomendasi untuk men-deploy aplikasi Anda. Untuk menguji aplikasi Anda sebelum deployment:

1. Buka halaman Data, tab Dokumen, dan salin ID dokumen.

2. Buka halaman Integrasi. Halaman ini menyertakan contoh perintah untuk metode servingConfigs.recommend di REST API.

3. Tempelkan ID dokumen yang Anda salin sebelumnya ke kolom Document ID.

4. Biarkan kolom ID Pseudo Pengguna apa adanya.

5. Salin contoh permintaan dan jalankan di Cloud Shell.

Untuk mendapatkan bantuan dalam mengintegrasikan aplikasi rekomendasi ke dalam aplikasi web Anda, lihat contoh kode di Mendapatkan rekomendasi media.