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，请参阅将训练数据导入 Amazon Personalize 数据集。有关训练模型后导入的数据如何影响建议的信息，请参阅训练后更新数据集中的数据。
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，请参阅记录实时事件以影响推荐。
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
默认情况下，所有新解决方案都使用自动训练，每 7 天创建一个新的解决方案版本。训练会持续运行，直到您删除解决方案。
创建解决方案时，我们建议使用自动训练来管理解决方案版本创建。自动训练使维护解决方案变得更加容易。有了自动训练，解决方案从较新数据中学习就不再需要手动干预。如果没有自动训练，则必须手动为解决方案创建新的解决方案版本，这样才能从最新数据中学习。有关配置自动训练的更多信息，请参阅配置自动训练。
训练频率取决于业务需求、所使用的配方以及导入数据的频率。对于所有配方，我们建议至少每周进行一次训练。对于自动训练，这是默认的训练频率。如果您经常添加新物品或操作，则可能需要更高的训练频率，具体取决于您的配方。
-
如果您使用 User-Personalization-v 2、用户个性化或 Next-Best-Action，则解决方案会自动更新，以考虑将新项目或操作作为推荐。自动更新与自动训练不同。自动更新不会创建全新的解决方案版本，模型也不会从最新数据中学习。为了维持您的解决方案，训练频率仍然应该是至少每周一次。有关自动更新的更多信息（包括其他准则和要求），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。Trending-Now 可以通过批量交互数据或流式处理交互数据推荐自上次训练以来添加的物品。您的训练频率仍然应该是至少每周一次。有关更多信息，请参阅 Trending-Now 食谱。
-
如果您不使用具有自动更新的配方或 Trending-Now 配方，则 Amazon Personalize 仅在下一次训练之后考虑在推荐中加入新物品。例如，如果您使用 Similar-Items 配方并每天添加新物品，则必须使用每日训练频率，这些物品才会出现在当天的推荐中。