维护建议相关性 - Amazon Personalize
使数据集保持最新状态维护域推荐器维护自定义解决方案
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。

维护建议相关性

随着目录的增长，相关建议可以提高应用程序的用户参与度、点击率和转化率。要维护和提高针对用户的 Amazon Personalize 建议相关性，请更新数据和自定义资源。这样，Amazon Personalize 可以从用户的最新行为中学习，并在建议中加入您的最新物品。

使数据集保持最新状态

随着目录的增长，使用批量或单个数据导入操作来更新历史数据。有关导入历史数据的更多信息，请参阅步骤 2：准备和导入数据。有关训练模型后导入的数据如何影响建议的信息，请参阅新数据如何影响实时建议。

对于可提供个性化实时建议的使用案例和配方，将您的物品交互数据集与用户的行为保持同步。通过记录项目与事件跟踪器和 PutEvents API 操作的交互来实现此目的。Amazon Personalize 会根据您的用户在与您的目录交互时的最新活动来更新建议。有关实时个性化的信息，请参阅实时个性化。有关记录实时事件的更多信息，请参阅记录事件。

维护域推荐器

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。如果您修改训练中使用的列，则 Amazon Personalize 会自动开始对支持推荐器的模型进行全面的重新训练。

  • 对于热门精选 和为您推荐 使用案例，Amazon Personalize 会更新您的推荐器，以考虑推荐新物品。自动更新并不是模型从用户行为中学习的完整再训练。相反，自动更新允许 Amazon Personalize 在推荐器进行下一次全面再训练之前在建议中加入您的新物品。有关自动更新的信息，请参阅自动更新。

  • 如果您使用当前趋势 使用案例，则 Amazon Personalize 会每两小时自动评估一次您的交互数据，并识别热门物品。您不必等待推荐器重新训练。

推荐器重新训练过程中，您仍可从推荐器中获得建议。在重新训练完成之前，推荐器使用之前的配置和模型。要跟踪更新，您可以在 Amazon Personalize 控制台的推荐器详细信息页面上，查看最新推荐器更新的时间戳。或者，您可以查看 DescribeRecommender 操作的 latestRecommenderUpdate 详细信息。

维护自定义解决方案

通过定期进行再训练，维护您的自定义解决方案。创建新的解决方案版本（重新训练模型），在建议中加入新物品，并使用用户的最新行为更新模型。

您的再训练频率取决于您的业务需求和所使用的食谱。对于所有食谱，我们建议至少每周创建一个新的解决方案版本。这将基于数据集组中数据集的全部训练数据，创建一个全新的模型。对于 User-Personalization，必须将 trainingMode 设置为 FULL 以进行全面再训练。

如果您经常添加新物品，则可能需要更频繁地进行再训练，具体取决于您的食谱：

  • 如果您不使用带有自动更新的配方（如 User-Personalization 或 Next-Best-Action）或 Trending-Now 配方，则必须为 Amazon Personalize 创建新的解决方案版本，以考虑在建议中加入新物品。

  • 如果您使用 User-Personalization 或 Next-Best-Action，则 Amazon Personalize 会自动更新您经过完全训练的最新解决方案版本，以考虑在建议中加入新物品。

    自动更新并不是模型从用户行为中学习的完整再训练。相反，自动更新允许 Amazon Personalize 在进行下一次全面再训练之前在建议中加入您的新物品。

    您仍然应该每周训练一个新的解决方案版本，并将 trainingMode 设置为 FULL。如果每两个小时的频率不够高，则您可以手动创建解决方案版本，并将 trainingMode 设置为 UPDATE，以考虑将这些新物品加入建议中。请记住，Amazon Personalize 只会自动更新经过全面训练的最新解决方案版本。手动更新的解决方案版本将来不会自动更新。

    有关自动更新的更多信息（包括其他指南和要求），请参阅自动更新。

  • 如果您使用 Trending-Now，则 Amazon Personalize 会在可配置的时间间隔内自动识别交互数据中最热门的物品。您无需为 Trending-Now 手动创建新的解决方案版本，即可考虑自上次训练以来批量或增量交互中的新物品。有关更多信息，请参阅Trending-Now 食谱。

有关创建新解决方案版本的信息，请参阅创建解决方案版本。创建新的解决方案版本后，您必须更新市场活动才能部署它。有关更多信息，请参阅更新市场活动。

您可以通过使用 Machine Learnin g 维护个性化体验来自动执行和安排再培训和数据导入任务，该 Amazon 解决方案实施可自动执行 Amazon Personalize 工作流程，包括数据导入、解决方案版本培训和批处理工作流程。有关更多信息，请参阅通过机器学习保持个性化体验。