開始使用媒體推薦內容

準備資料集

您將使用 Cloud Shell 匯入 Movielens 資料集，並為 Vertex AI Search for Media 重新建構資料集。

開啟 Cloud Shell

1. 開啟 Google Cloud 控制台。
2. 選取 Google Cloud 專案。
3. 請記下資訊主頁「Project info」資訊卡中的專案 ID。您需要專案 ID 才能執行後續程序。

4. 按一下主控台視窗頂端的「Activate Cloud Shell」(啟用 Cloud Shell) 按鈕。 系統會在Google Cloud 控制台底部的新頁框中開啟 Cloud Shell 工作階段，並顯示指令列提示。

   

匯入資料集

Movielens 資料集會存放在公開的 Cloud Storage bucket 中，讓您輕鬆匯入。

1. 使用專案 ID 設定指令列的預設專案，以執行下列步驟。

   gcloud config set project PROJECT_ID
   

2. 建立 BigQuery 資料集

   bq mk movielens
   

3. 將 movies.csv 載入新的 movies BigQuery 資料表：

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

4. 將 ratings.csv 載入新的 ratings BigQuery 資料表：

   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
   

建立 BigQuery view

在這個步驟中，您將重新建構 Movielens 資料集，使其符合媒體推薦的預期格式。媒體推薦需要使用者事件資料才能建立模型。在本指南中，您將根據正面評分 (< 4) 建立過去 90 天內的 view-item 假事件。

1. 建立 view，將電影資料表轉換為 Google 定義的 Document 結構定義：

   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
   

   現在新的 view 已採用 AI Applications API 預期的結構定義。

2. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

3. 在「Explorer」窗格中展開專案名稱，展開「movielens」資料集，然後點選「movies_view」開啟這個檢視表的查詢頁面

   

4. 前往「Table Explorer」(資料表探索工具) 分頁。

5. 在「Generated query」(產生的查詢) 窗格中，按一下「Copy to query」(複製到查詢) 按鈕。查詢編輯器隨即開啟。

6. 按一下「Run」(執行)，在您建立的 view 中查看電影資料。

7. 執行下列 Cloud Shell 指令，根據電影評分建立虛構的使用者事件：

   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
   

啟用 AI Applications

1. 前往 Google Cloud 控制台的「AI Applications」頁面。

   AI 應用程式

2. 詳閱並同意《服務條款》，然後按一下「Continue and activate the API」(繼續並啟用 API)。

建立用於媒體推薦的應用程式

本節所述程序會引導您建立及部署媒體推薦應用程式。

1. 前往 Google Cloud 控制台的「AI Applications」頁面。

   AI 應用程式

2. 點按「Create app」(建立應用程式)。

3. 在「Create app」(建立應用程式) 頁面，點選「Media recommendations」(媒體推薦) 下方的「Create」(建立)。

4. 在「App name」(應用程式名稱) 欄位輸入應用程式的名稱，例如 quickstart-media-recommendations。應用程式 ID 會顯示在應用程式名稱下方。

5. 在「Recommendations type」(推薦類型) 下方，確定已選取「Others you may like」(您可能會喜歡的其他項目)。

6. 在「Business Objective」(業務目標) 下方，確認已選取「Click-through rate (CTR)」(點閱率)。

7. 按一下「繼續」。

8. 建立資料儲存庫。

   1. 在「Data stores」(資料儲存庫) 頁面中，按一下「Create data store」(建立資料儲存庫)。

   2. 輸入資料儲存庫的顯示名稱 (例如 quickstart-media-data-store)，然後點選「Create」(建立)。

9. 選取剛建立的資料儲存庫，然後按一下「Create」(建立)，以建立應用程式。

匯入資料

接下來，請匯入先前已設定格式的電影和使用者事件資料。

匯入文件

將在「建立 BigQuery 檢視表」一節中建立的 movies_view 文件匯入 quickstart-media-data-store 資料儲存庫。

1. 在「Import documents」(匯入文件) 頁面，選取「Native sources」(原生來源) 下方的「BigQuery」。

2. 輸入您建立的 movies BigQuery view 名稱，然後點選「Import」(匯入)。

   PROJECT_ID.movielens.movies_view
   

3. 等待所有文件都匯入完成，大約需要 15 分鐘。完成後應該有 86537 份文件。

   您可以透過「Activity」(活動) 分頁查看匯入作業狀態。匯入完成後，匯入作業狀態會變更為「Completed」(已完成)。

匯入使用者事件

將在「建立 BigQuery 檢視表」一節中建立的 user_events 記錄匯入資料儲存庫。

1. 在「Events」(事件) 分頁，點選「Import Events」(匯入事件)。

2. 在「Import documents」(匯入文件) 頁面，選取「Native sources」(原生來源) 下方的「BigQuery」。

3. 輸入您建立的 user_events BigQuery view 名稱，然後點選「Import」(匯入)。

   PROJECT_ID.movielens.user_events
   

4. 請等到至少匯入一百萬個事件後再繼續下一個步驟，以便符合訓練新模型的資料要求。

   您可以在「Activity」(活動) 分頁中查看作業狀態。由於您會匯入數百萬列的資料，這項程序大約需要一小時才能完成。

5. 為確認是否符合規定，請依序點選「Data quality」(資料品質) >「Requirements」(要求) 分頁標籤。即便已匯入使用者事件，「Requirements」(要求) 分頁可能需要一段時間，才會將狀態更新為「Data requirements met」(符合資料要求)。

訓練推薦模型

1. 前往「Configurations」(設定) 頁面。

2. 按一下「Serving」(供應) 分頁標籤。供應設定已建立。

   如要調整「Recommendation demotion」(降低推薦的排名) 或「Result diversification」(結果多樣化) 設定，您可以在這個網頁進行操作

3. 按一下「Training」(訓練) 標籤。

   只要達到資料要求，系統就會自動開始訓練模型。您可以在這個頁面查看訓練和調整狀態。

   模型可能需要幾天才能訓練完成並準備好接受查詢。程序完成時，「Ready to query」(可接受查詢) 欄位會顯示「Yes」(是)。您需要重新整理頁面，才能看到「No」(否) 變更為「Yes」(是)。

預覽建議內容

模型準備好查詢後，請執行以下操作：

1. 在導覽選單中，按一下「Preview」(預覽)。

2. 按一下「Document ID」(文件 ID) 欄位。畫面上就會顯示文件 ID 清單。

3. 輸入種子文件 (電影) ID，例如 4993 可以代表「魔戒首部曲：魔戒現身 (2001)」。

   

4. 從下拉式選單中選取「Serving config」(供應設定) 名稱。

5. 按一下「Get recommendations」(推薦內容)。畫面上就會顯示建議的文件清單。

針對結構化資料部署您的應用程式

目前沒有可用於部署應用程式的建議小工具。部署前，如要先測試應用程式，請按照下列步驟操作：

1. 前往「Data」(資料) 頁面和「Documents」(文件) 分頁，複製文件「ID」。

2. 前往「Integration」(整合) 頁面。本頁提供 REST API「servingConfigs.recommend」方法的範例指令。

3. 將您稍早複製的文件 ID 貼入「Document ID」(文件 ID) 欄位。

4. 「User Pseudo ID」(使用者虛擬 ID) 欄位維持不變。

5. 複製範例要求，並在 Cloud Shell 中執行。

如需協助將推薦應用程式整合至網頁應用程式，請參閱「取得媒體推薦內容」一文中的程式碼範例。