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
默认情况下，所有新解决方案都使用自动训练，每 7 天创建一次新的解决方案版本。培训将继续，直到您删除解决方案。
创建解决方案时，我们建议您使用自动培训来管理解决方案版本的创建。这样可以更轻松地维护您的解决方案。它省去了解决方案从最新数据中学习所需的手动培训。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，以便从最新数据中学习。有关配置自动训练的更多信息，请参阅配置自动训练。
您的训练频率取决于您的业务需求、您使用的方法以及导入数据的频率。对于所有食谱，我们建议至少每周进行一次培训。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动作，则可能需要更高的训练频率，具体取决于您的食谱。
-
如果您使用 Userpersonalization-v2、用户个性化或 Next-Best-Action，则解决方案会自动更新，以考虑将新的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，模型也不会从您的最新数据中学习。为了保持您的解决方案，您的培训频率仍应至少为每周一次。有关自动更新的更多信息，包括其他指导和要求，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 可以通过批量或直播互动数据推荐自上次训练以来添加的项目。您的训练频率仍应至少为每周一次。有关更多信息，请参阅 Trending-Now 食谱。
-
如果您不使用自动更新的食谱或 Trending-Now 食谱，Amazon Personalize 只有在下次培训之后才会考虑推荐新商品。例如，如果您使用 Similar-Items 配方，并且每天添加新物品，则必须使用每日训练频率，这些物品才能在当天出现在推荐中。