AWS上で銀行向け説明可能な次におすすめする商品推薦システムを構築する

AWS MLブログで説明されているソリューションでは、顧客データのさまざまな側面（製品採用履歴、取引、デモグラフィック、行動セグメント）を処理する4つの特殊なニューラルネットワークタワーを備えたマルチタワー深層学習アーキテクチャを使用しています。これらのタワーは、顧客ごとの説明可能性を提供する学習されたアテンションメカニズムを使用して統合されます。技術スタックには、イーティーエル用のAWS Glue、深層学習フレームワーク用のPyTorch、データストレージ用のAmazon S3、そしてトレーニングと推論用のSageMaker AIが含まれます。データパイプラインは2つのステージで構成されています。データ統合用のAWS Glue ETLジョブと、マシンラーニング固有の特徴量エンジニアリング用のAmazon SageMaker Processingジョブです。モデルアーキテクチャには、2層GRUを使用するシーケンスタワー、MLPを使用する取引、顧客、行動タワー、そして顧客ごとの重要度スコアを生成する特徴量重要度モジュールが含まれます。トレーニングでは、AdamオプティマイザーとReduceLROnPlateauスケジューラー、勾配クリッピング、早期停止が使用されます。このソリューションは、説明可能性に関する規制要件がある銀行データを扱うように設計されています。