筛选实时建议

使用以下命令create_filter方法来创建一个过滤器Amazon SDK for Python (Boto3). ReplaceFilter Name使用筛选器的名称，Dataset Group ARN使用数据集组的 Amazon 资源名称 (ARN)。替换示例filterExpression使用自己的筛选条件表达式。

import boto3
 
personalize = boto3.client('personalize')
 
response = personalize.create_filter(
    name = 'Filter Name',
    datasetGroupArn = 'Dataset Group ARN',
    filterExpression = 'EXCLUDE ItemID WHERE Items.CATEGORY IN ($CATEGORY)'
) 
filter_arn = response["filterArn"]
print("Filter ARN: " + filter_arn)

记下筛选器 ARN 以备将来使用。要验证筛选器是否处于活动状态，请使用DescribeFilter在使用过滤器之前进行操作。有关该 API 的更多信息，请参阅CreateFilter。有关筛选条件表达式（包括示例）的更多信息，请创建筛选表达式.

以下createFilter方法演示如何使用Amazon SDK for Java 2.x. 该方法返回新筛选器的 ARN（亚马逊资源编号）。将以下内容作为参数传递：Amazon Personalize 服务客户端、筛选器的名称、要在其中创建筛选器的数据集组以及筛选器表达式。有关筛选条件表达式（包括示例）的更多信息，请创建筛选表达式.

public static String createFilter(PersonalizeClient personalizeClient,
                                 String filterName,
                                 String datasetGroupArn,
                                 String filterExpression) {
    try {
        CreateFilterRequest request = CreateFilterRequest.builder()
                .name(filterName)
                .datasetGroupArn(datasetGroupArn)
                .filterExpression(filterExpression)
                .build();

        return personalizeClient.createFilter(request).filterArn();
    }
    catch(PersonalizeException e) {
        System.err.println(e.awsErrorDetails().errorMessage());
        System.exit(1);
    }
    return "";
}

使用以下命令get_recommendations使用 SDK for Python (Boto3) 筛选建议的方法。ReplaceCampaign ARN使用活动的 Amazon 资源名称 (ARN)，User ID使用您获得推荐的用户的 ID，以及Filter ARN使用筛选条件的 ARN。如果你从推荐人而不是广告活动那里获得推荐，请使用recommenderArn而不是campaignArn并为推荐者提供 ARN。

适用于filterValues，对于筛选器表达式中的每个可选参数，请提供参数名称（区分大小写）和一个或多个值。例如，如果你的过滤器表达式有$GENRES参数，提供“流派”作为钥匙，还有类型或类型，例如"\"Comedy"\"，作为值。对于多个值，请用逗号分隔每个值。例如："\"comedy\",\"drama\",\"horror\""。

import boto3

personalize_runtime = boto3.client("personalize-runtime")

response = personalize_runtime.get_recommendations(
    campaignArn = "Campaign ARN",
    userId = "User ID",
    filterArn = "Filter ARN",
    filterValues = {
      "Parameter name": "\"value1\"",
      "Parameter name": "\"value1\",\"value2\",\"value3\""
      ....
    }
)

使用以下命令getFilteredRecs方法来对 Amazon Personalize 化推荐请求应用筛选条件。将以下内容作为参数传递：Amazon Personalize 化运行时服务客户端、广告活动的 ARN（亚马逊资源名称）、用户的用户 ID、筛选器的 ARN 以及任何筛选器参数名称（区分大小写）及其值。例如，如果你的过滤器表达式有$GENRES参数，提供“流派”作为参数名称。如果你从推荐人而不是广告活动那里获得推荐，请使用recommenderArn而不是campaignArn并为推荐者提供 ARN。

以下示例使用两个参数，一个具有两个值，一个参数具有一个值。根据过滤器表达式，修改代码以添加或删除 ParameterName 和 ParameterValue 字段。

public static void getFilteredRecs(PersonalizeRuntimeClient personalizeRuntimeClient,
                                   String campaignArn,
                                   String userId,
                                   String filterArn,
                                   String parameter1Name,
                                   String parameter1Value1,
                                   String parameter1Value2,
                                   String parameter2Name,
                                   String parameter2Value){

    try {

        Map<String, String> filterValues = new HashMap<>();

        filterValues.put(parameter1Name, String.format("\"%1$s\",\"%2$s\"",
                parameter1Value1, parameter1Value2));
        filterValues.put(parameter2Name, String.format("\"%1$s\"",
                parameter2Value));

        GetRecommendationsRequest recommendationsRequest = GetRecommendationsRequest.builder()
                .campaignArn(campaignArn)
                .numResults(20)
                .userId(userId)
                .filterArn(filterArn)
                .filterValues(filterValues)
                .build();

        GetRecommendationsResponse recommendationsResponse = personalizeRuntimeClient.getRecommendations(recommendationsRequest);
        List<PredictedItem> items = recommendationsResponse.itemList();

        for (PredictedItem item: items) {
            System.out.println("Item Id is : "+item.itemId());
            System.out.println("Item score is : "+item.score());
        }
    } catch (PersonalizeRuntimeException e) {
        System.err.println(e.awsErrorDetails().errorMessage());
        System.exit(1);
    }
}