Inizia a usare suggerimenti sui contenuti multimediali

Inizia a usare suggerimenti sui contenuti multimediali

Puoi creare rapidamente un'app di suggerimenti sui contenuti multimediali all'avanguardia. I suggerimenti sui contenuti multimediali consentono ai tuoi segmenti di pubblico di scoprire contenuti più personalizzati, ad esempio cosa guardare o leggere in seguito, con risultati di qualità Google personalizzati in base agli obiettivi di ottimizzazione.

Per informazioni generali su Vertex AI Search per i contenuti multimediali, consulta Introduzione alla ricerca e ai consigli sui contenuti multimediali.

In questo tutorial introduttivo, utilizzerai il set di dati Movielens per scoprire come caricare il tuo catalogo di contenuti multimediali e gli eventi utente in Vertex AI Search, nonché come addestrare un modello personalizzato che suggerisce film. Il set di dati Movielens contiene un catalogo di film (documenti) e le valutazioni dei film da parte degli utenti (eventi utente).

In questo tutorial, imparerai ad addestrare un modello di suggerimenti di tipo "Altri che ti potrebbero piacere", ottimizzato per la percentuale di clic (CTR). Dopo l'addestramento, il modello può suggerire i film in base a un ID utente e a un film di riferimento.

Per soddisfare i requisiti minimi dei dati per il modello, ogni valutazione positiva di un film (4 o superiore) viene considerata come evento "view-item", ovvero di visualizzazione dell'elemento.

Tempo stimato per completare questo tutorial:

• Primi passaggi per iniziare l'addestramento del modello: circa 1,5 ore.
• Attesa dell'addestramento del modello: circa 24 ore. (Addestra il modello)
• Valutazione delle previsioni del modello e pulizia: circa 30 minuti. (Anteprima consigli)

Se hai completato il tutorial Inizia a usare la ricerca di contenuti multimediali e hai ancora il datastore (nome suggerito quickstart-media-data-store), puoi utilizzarlo invece di crearne un altro. In questo caso, dovresti iniziare il tutorial da Crea un'app per i suggerimenti di contenuti multimediali.

Obiettivi

• Scopri come importare documenti multimediali e dati di eventi utente da BigQuery a Vertex AI Search.
• Addestra e valuta i modelli di suggerimenti.

Prima di seguire questo tutorial, assicurati di aver svolto i passaggi descritti in Prima di iniziare.

---

Per seguire le indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata:

Procedura guidata

---

Prima di iniziare

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI Agent Builder, Cloud Storage, BigQuery APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI Agent Builder, Cloud Storage, BigQuery APIs.

   Enable the APIs

Prepara il set di dati

Puoi utilizzare Cloud Shell per importare il set di dati Movielens e ristrutturarlo per usarlo in Vertex AI Search per i contenuti multimediali.

Apri Cloud Shell

1. Apri la console Google Cloud.
2. Selezionare il tuo progetto Google Cloud.
3. Prendi nota dell'ID progetto nella scheda Informazioni sul progetto della pagina della dashboard. Ti servirà l'ID progetto per le seguenti procedure.

4. Fai clic sul pulsante Attiva Cloud Shell nella parte superiore della console. All'interno di un nuovo frame nella parte inferiore della console Google Cloud si apre una sessione di Cloud Shell e viene visualizzato un prompt della riga di comando.

   

Importa il set di dati

Il set di dati Movielens è disponibile in un bucket Cloud Storage pubblico per semplificarne l'importazione.

1. Esegui il comando seguente utilizzando l'ID progetto in modo da impostare il progetto predefinito per la riga di comando.

   gcloud config set project PROJECT_ID
   

2. Crea un set di dati BigQuery:

   bq mk movielens
   

3. Carica movies.csv in una nuova tabella BigQuery movies:

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

4. Carica ratings.csv in una nuova tabella BigQuery ratings:

   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
   

Crea le viste BigQuery

In questo passaggio ristrutturerai il set di dati Movielens in modo che rispetti il formato previsto per i suggerimenti sui contenuti multimediali. Per creare un modello, i suggerimenti sui contenuti multimediali richiedono dati di eventi utente. Per questa guida, creerai eventi view-item fittizi negli ultimi 90 giorni a partire da valutazioni positive (< 4).

1. Crea una visualizzazione che converte la tabella dei film nel formato Schema Document definito da 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
   

   Ora la vista nuova ha lo schema previsto dall'API Vertex AI Agent Builder.

2. Vai alla pagina BigQuery nella console Google Cloud.

   Vai a BigQuery

3. Nel riquadro Explorer espandi il nome del progetto, quindi il set di dati movielens e fai clic su movies_view per aprire la pagina di query per questa vista.

   

4. Vai alla scheda Esplora tabelle.

5. Nel riquadro Query generata, fai clic sul pulsante Copia nella query. Si apre l'editor di query.

6. Fai clic su Esegui per vedere i dati dei film nella vista che hai creato.

7. Per creare eventi utente fittizi partendo dalle valutazioni dei film, esegui questo comando Cloud Shell:

   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
   

Attiva Vertex AI Agent Builder

1. Nella console Google Cloud, vai alla pagina Agent Builder.

   Agent Builder

2. Leggi e accetta i Termini di servizio, quindi fai clic su Continua e attiva l'API.

Crea un'app di suggerimenti sui contenuti multimediali

Le procedure descritte in questa sezione ti guideranno attraverso la creazione e il deployment di un'app di suggerimenti sui contenuti multimediali.

1. Nella console Google Cloud, vai alla pagina Agent Builder.

   Agent Builder

2. Fai clic su Crea app.

3. Nella pagina Crea app, fai clic su Crea in Suggerimenti sui contenuti multimediali.

4. Nel campo Nome app, inserisci un nome per l'app, ad esempio quickstart-media-recommendations. L'ID dell'app è riportato sotto il nome dell'app.

5. In Tipo di suggerimenti, assicurati che sia selezionata l'opzione Altri che ti potrebbero piacere.

6. In Obiettivo commerciale, assicurati che sia selezionata l'opzione Percentuale di clic (CTR).

7. Fai clic su Continua.

8. Se hai completato il tutorial Inizia a utilizzare la ricerca di contenuti multimediali e hai ancora il datastore (nome suggerito quickstart-media-data-store), selezionalo, fai clic su Crea e vai ad Addestra il modello di suggerimenti.

9. Nella pagina Datastore, fai clic su Crea datastore.

10. Inserisci un nome visualizzato per il datastore, ad esempio quickstart-media-data-store, poi fai clic su Crea.

11. Seleziona il datastore appena creato, poi fai clic su Crea per creare la tua app.

Importa dati

Devi quindi importare i dati sui film e sugli eventi utente formattati in precedenza.

Importa documenti

1. In Origini native nella pagina Importa documenti, seleziona BigQuery.

2. Inserisci il nome della vista BigQuery movies che hai creato e fai clic su Importa.

   PROJECT_ID.movielens.movies_view
   

3. Attendi che siano stati importati tutti i documenti. L'operazione dovrebbe richiedere circa 15 minuti. Al termine, dovrebbero essere presenti 86.537 documenti.

   Puoi controllare lo stato dell'operazione di importazione nella scheda Attività. Quando l'importazione viene completata, lo stato dell'operazione diventa Completato.

Importa gli eventi utente

1. Nella scheda Eventi, fai clic su Importa eventi.

2. In Origini native nella pagina Importa documenti, seleziona BigQuery.

3. Inserisci il nome della vista BigQuery user_events che hai creato e fai clic su Importa.

   PROJECT_ID.movielens.user_events
   

4. Attendi che sia stato importato almeno un milione di eventi prima di andare al passaggio successivo, in modo da soddisfare i requisiti dei dati per l'addestramento di un nuovo modello.

   Puoi controllare lo stato dell'operazione nella scheda Attività. Il completamento del processo richiede circa un'ora, dato che è in corso l'importazione di milioni di righe.

5. Per verificare se i requisiti sono stati soddisfatti, vai alla scheda Qualità dei dati > Requisiti. Anche dopo l'importazione degli eventi utente, può essere necessario un po' di tempo prima che lo stato della scheda Requisiti venga aggiornato in Requisiti dei dati soddisfatti.

Addestrare il modello di suggerimenti

1. Vai alla pagina Configurazioni.

2. Fai clic sulla scheda Pubblicazione. È già stata creata una configurazione di pubblicazione.

   Se vuoi modificare le impostazioni Retrocessione dei suggerimenti o Diversificazione dei risultati, puoi farlo in questa pagina.

3. Fai clic sulla scheda Addestramento.

   Una volta soddisfatti i requisiti dei dati, inizia l'addestramento del modello automaticamente. In questa pagina puoi visualizzare lo stato dell'addestramento e dell'ottimizzazione.

   Potrebbero essere necessari un paio di giorni prima che il modello venga addestrato e preparato alle query. Il campo Pronto per ricevere query indica Sì al termine del processo. Occorre aggiornare la pagina per vedere che No diventa Sì.

Visualizza un'anteprima dei suggerimenti

Quando il modello è pronto per ricevere query:

1. Nel menu di navigazione, fai clic su Anteprima.

2. Fai clic sul campo ID documento. Viene visualizzato un elenco di ID documento.

3. Inserisci un ID documento di riferimento (film), ad esempio 4993 per "Il Signore degli Anelli: La Compagnia dell'Anello (2001)".

   

4. Seleziona il nome della Configurazione di pubblicazione dal menu a discesa.

5. Fai clic su Ricevi suggerimenti. Viene visualizzato un elenco di documenti suggeriti.

Esegui il deployment dell'app per i dati strutturati

Non esiste un widget dei suggerimenti per il deployment della tua app. Per eseguire il test dell'app prima del deployment:

1. Vai alla scheda Documenti nella pagina Dati e copia un ID documento.

2. Vai alla pagina Integrazione. Questa pagina include un comando di esempio per il metodo servingConfigs.recommend nell'API REST.

3. Incolla l'ID documento che hai copiato in precedenza nel campo ID documento.

4. Lascia invariato il campo Pseudo ID utente.

5. Copia la richiesta di esempio ed eseguila in Cloud Shell.

Per assistenza nell'integrazione dell'app di suggerimenti nella tua app web, consulta gli esempi di codice in Ricevere suggerimenti sui contenuti multimediali.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.

Puoi riutilizzare il datastore creato per la ricerca di contenuti multimediali nel tutorial Inizia a usare la ricerca di contenuti multimediali. Prova questo tutorial prima di eseguire la procedura di pulizia.

1. Per evitare addebiti Google Cloud non necessari, utilizza la console Google Cloud per eliminare il progetto se non ti serve.
2. Se hai creato un nuovo progetto per prendere dimestichezza con Vertex AI Agent Builder, ma non ne hai più bisogno, elimina il progetto.
3. Se hai utilizzato un progetto Google Cloud esistente, elimina le risorse che hai creato per evitare addebiti sul tuo account. Per ulteriori informazioni, vedi Elimina un'app.
4. Segui i passaggi descritti in Disattivare Vertex AI Agent Builder.

5. Se hai creato un set di dati BigQuery, eliminalo in Cloud Shell:

   bq rm --recursive --dataset movielens
   

Passaggi successivi

• Introduzione a Vertex AI Search
• Informazioni su app e datastore