维护推荐的相关性 - 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。

维护推荐的相关性

保持推荐的相关性,以随着目录的增长提高应用程序的用户参与度、点击率和转化率。为了维护和提高针对用户的 Amazon Personalize 推荐的相关性,请保持您的数据和解决方案版本为最新版本。这允许 Amazon Personalize 从用户的最新行为中学习,并在推荐中加入您的最新商品。

您可以通过以下方式自动执行和安排重新训练和数据导入任务使用Machine Learning 保持个性化体验,一个Amazon解决方案实施,可自动执行 Amazon Personalize 工作流程,包括数据导入、解决方案版本训练和批量工作流程。有关更多信息,请参阅使用Machine Learning 保持个性化体验.

将数据集保持最新状态

随着目录的增长,使用批量或个人数据导入操作更新历史数据。我们建议您先批量导入记录,然后随着目录的增长添加单个项目和用户。有关导入历史数据的更多信息,请参阅准备和导入数据.

要获得实时推荐,请通过记录互动来使您的Interactions数据集与用户的行为保持同步事件使用事件跟踪器和PutEvents操作。Amazon Personalize 根据您的用户与您的应用程序交互时的最新活动更新建议。有关记录实时事件的更多信息,请参阅记录事件.

如果您已经创建了解决方案版本(训练了模型),则新记录会影响建议,如下所示:

  • 对于个人交流,Amazon Personalize 在为同一用户生成推荐时,会立即使用用户与现有项目(您在用于训练最新模型的数据中包含的项目)之间的实时互动事件。有关更多信息,请参阅 实时事件如何影响推荐

    对于批量交互,您必须为批量交互数据创建新的解决方案版本才能影响推荐。

  • 对于单个和批量商品数据,如果您使用用户个性化训练解决方案版本并将其部署到活动中,则 Amazon Personalize 会每两小时自动更新一次模型。每次更新后,可以通过探索将新物品包含在推荐中。有关探索的信息,请参阅自动更新.

    对于任何其他配方,您必须重新训练模型,才能将新物品包含在推荐中。

  • 对于新用户如果没有互动数据,推荐最初只针对热门商品。要获得针对新用户的相关推荐,您可以为该用户导入批量交互并创建新的解决方案版本。或者,您可以在用户与您的目录互动时为他们实时记录事件。随着您记录更多事件,他们的建议将变得更加相关。有关更多信息,请参阅 记录事件

将解决方案版本保持最新状态

创建新的解决方案版本(重新训练模型)以在推荐中包含新项目,并使用用户的最新行为更新模型。重新训练模型后,必须更新战役才能进行部署。有关更多信息,请参阅更新市场活动.

再培训频率取决于您的业务需求和您使用的配方。对于大多数工作负载,我们建议每周训练一个新模型,训练模式设置为FULL. 这将基于来自数据集组中数据集的全部训练数据创建一个全新的解决方案版本。如果您经常添加新物品并且不使用用户个性化,则可能需要更频繁地进行全面的再培训,才能在推荐中加入这些新项目。

借助用户个性化功能,Amazon Personalize 会自动更新您经过全面培训的最新解决方案版本(经过训练trainingMode设置为FULL)每两小时在推荐中加入新物品并进行探索。必须在活动中部署解决方案版本才能进行更新。您的活动会自动使用更新的解决方案版本。这不是一次全面的再培训;你仍然应该每周训练一个新的解决方案版本trainingMode设置为FULL因此,该模型可以从用户的行为中学习。

如果每两个小时不够频繁,则可以使用以下命令手动创建解决方案版本trainingMode设置为UPDATE将这些新项目纳入建议中。请记住,Amazon Personalize 仅自动更新您经过全面培训的最新解决方案版本,因此手动更新的解决方案版本将future 不会自动更新。有关更多信息,请参阅 用户个性化配方

有关创建新解决方案版本的信息,请参阅第 3 步:创建解决方案版本.