创建推荐器 - Amazon Personalize
每秒最低建议请求数和自动扩缩在建议中启用元数据配置训练时使用的列
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

创建推荐器

创建域数据集组并导入数据后，您可以为域使用案例创建推荐器。推荐器 是生成建议的域数据集组资源。您可以在应用程序中使用推荐器来获取有关 GetRecommendations 操作的实时建议。

创建推荐器时，您需指定一个使用案例，然后 Amazon Personalize 通过使用案例的最佳配置，训练支持推荐器的模型。每个使用案例对获取建议都有不同的 API 要求。有关按域划分的推荐器使用案例列表，请参阅选择使用案例。每个区域最多可以创建 15 个推荐器。

Amazon Personalize 每 7 天自动重新训练一次支持推荐器的模型。这是一次全面的再训练，基于数据集中的全部数据创建全新的模型。Amazon Personalize 通过热门精选 和为您推荐 使用案例，每两小时更新一次现有模型，以便在建议中加入带有浏览的新物品。

创建推荐器时，可以在建议中启用物品元数据。有关更多信息，请参阅 在建议中启用元数据。

您可以使用 Amazon Personalize 控制台、 Amazon Command Line Interface (Amazon CLI) 或 Amazon 软件开发工具包创建推荐人。

推荐器状态

推荐器可处于以下一种状态：

  • CREATE PENDING > CREATE IN_PROGRESS > ACTIVE - 或 - CREATE FAILED

  • DELETE PENDING > DELETE IN_PROGRESS

要获得推荐器状态，请导航至 Amazon Personalize 控制台中的“推荐器”页面或使用 DescribeRecommender 操作。

主题

每秒最低建议请求数和自动扩缩

重要

高 minRecommendationRequestsPerSecond 会增加您的账单费用。我们建议从 1 开始设置 minRecommendationRequestsPerSecond（默认值）。使用 Amazon CloudWatch 指标跟踪您的使用情况，并在必要minRecommendationRequestsPerSecond时增加使用量。

创建推荐器时，您可以配置推荐器的每秒最低建议请求数。每秒最低建议请求数 (minRecommendationRequestsPerSecond) 指定了 Amazon Personalize 预调配的基准建议请求吞吐量。默认值 minRecommendationRequestsPerSecond 为1。建议请求是单个 GetRecommendations 操作。请求吞吐量以每秒请求数来衡量，Amazon Personalize 使用每秒请求数来计算每小时请求数和推荐器使用量的价格。

如果您的每秒请求数增加到超过 minRecommendationRequestsPerSecond，则 Amazon Personalize 会自动纵向扩展和缩减预调配容量，但永远不会低于 minRecommendationRequestsPerSecond。增加容量时会有短时间延迟，这可能会导致请求丢失。

您的账单是每小时最低请求数（基于 minRecommendationRequestsPerSecond）或实际请求数中的较大值。实际使用的请求吞吐量按照一小时时段内的平均请求数/秒来计算。我们建议从默认值开始minRecommendationRequestsPerSecond，使用 Amazon CloudWatch 指标跟踪您的使用情况，然后minRecommendationRequestsPerSecond根据需要增加使用量。

在建议中启用元数据

重要

在建议中启用元数据时，会产生额外成本。有关更多信息，请参阅 Amazon Personalize 定价。

创建推荐器时，您可以启用该选项，以将物品数据集中的物品元数据与建议结果一起包括在内。如果启用，则可以在建议请求中指定物品数据集中的列。Amazon Personalize 会在建议响应中返回每个物品的这些数据。

您可以使用元数据来丰富用户界面中的建议，例如将电影的类型添加到轮播中。或者，您可以用它来直观地评测建议质量。如果您在应用程序中使用生成式人工智能，则可以将元数据插入人工智能提示中，以生成相关性更高的内容。有关 Amazon Personalize 与生成式人工智能结合使用的更多信息，请参阅Amazon Personalize 和生成式人工智能。

要向建议添加元数据，您必须拥有包含一列元数据的物品数据集。您不一定要在训练中使用元数据。有关创建数据集的信息，请参阅创建数据集和架构。有关管理和更新数据的信息，请参阅管理数据集中的训练数据。

配置训练时使用的列

创建推荐人时，您可以修改 Amazon Personalize 在训练支持推荐者的模型时考虑的列。

您可以这样做，以试验不同的训练数据组合；也可以排除无有意义数据的列。例如，可能有一列，您只想将其用来筛选建议。您可以将此列排除在训练之外，Amazon Personalize 只有在筛选时才会考虑该列。

您无法排除 EVENT_TYPE 列。默认情况下，Amazon Personalize 使用可在训练时采用的所有列。训练中始终不包括以下数据：

  • 数据类型为布尔值的列

  • 展示次数数据

  • 不是分类或文本的自定义字符串字段

您不能在培训中包含展示次数数据，但是如果您的用例或方法使用了这些数据，Amazon Personalize 会在您获得推荐时使用展示量数据来指导探索。