保持推荐相关性(域数据集组) - Amazon Personalize
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

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。

保持推荐相关性(域数据集组)

随着目录的增长,保持建议的相关性,以提高用户参与度、点击率和应用程序的转化率。为了维护和提高 Amazon Personalize 化建议对用户的相关性,请使 Amazon Personalize 化中的数据保持最新状态。这允许 Amazon Personalize 化学习用户的最新行为,并在推荐中包含您的最新商品。

对于用户和项目,随着目录的增长,请使用批量或增量数据导入操作更新历史数据。我们建议您首先批量导入记录,然后随着目录的增长逐步添加项目和用户。有关管理项目和用户数据的信息,请参阅管理数据.

对于互动数据,请记录互动数据集,通过记录互动数据集与用户的行为保持最新事件使用PutEventsoperation. Amazon Personalize 化会根据用户与应用程序互动的最新活动来更新建议。有关录制实时事件的更多信息,请参阅。记录事件.

新记录影响建议,如下所示:

  • 适用于新活动,Amazon Personalize 在为同一用户生成推荐时,立即使用用户与现有物品(您用于训练最新模型的数据中包含的物品)之间的历史和实时互动事件。您使用 Amazon Personalize 化控制台导入的历史事件以及您以相同的方式实时记录影响力推荐的事件。有关更多信息,请参阅 实时事件如何影响推荐

  • 适用于新物品,如果你使用创建推荐者最适合你的选择推荐给你或者使用用户个性化培训解决方案版本,Amazon Personalize 每两小时自动更新一次基础模型。每次更新后,新项目都可以包含在探索推荐中。

    对于任何其他域名使用案例,从推荐人创建之日起,Amazon Personalize 每 7 天自动为推荐人培训一次新模型。对于任何其他自定义解决方案配方,必须为要包含在建议中的新项目创建新的解决方案版本。

  • 适用于新用户,最初推荐仅适用于热门商品。从第一个活动开始,记录事件时,用户推荐将更加相关。有关更多信息,请参阅记录事件