Amazon Personalize 工作流 - 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。

Amazon Personalize 工作流

借助 Amazon Personalize，您可以确定您的使用案例、导入数据、培训和部署模型，然后获得建议。重复数据导入和培训流程，以便随着目录的增长而保持和提高建议的相关性。您可以使用 Amazon Personalize 控制台完成 Amazon Personalize 工作流程，Amazon Command Line Interface(Amazon CLI），或Amazon开发工具包。

  1. 确定您的使用案例

    从下面选择您的使用案例，并记下相应的配方类型。配方是针对不同使用案例准备的 Amazon Personalize 算法。）

    • 为用户推荐项目（用户 _ 个性化配方）

    • 给定用户的项目排名（个性化 _ 排名食谱）

    • 推荐类似商品（相关商品食谱）

    有关更多信息，请参阅确定您的使用案例.

  2. 导入数据

    您可以将项目、用户和交互记录导入到数据集（Amazon Personalize 数据容器）。您可以选择批量导入或增量导入记录，或两者导入。通过增量导入，您可以添加一个或多个历史记录或从实时用户活动导入数据。

    导入的数据因使用案例而定。有关您可以导入的数据类型的信息，请参阅数据集和架构和每个数据集类型的部分（交互式数据集、项目数据集、用户数据集)。

    有关导入数据的更多信息，请参阅准备和导入数据.

  3. 训练模型

    导入数据后，Amazon Personalize 将使用它来训练模型。在 Amazon Personalize 中，您可以通过创建solution，您可以通过选择 Amazon Personalize 配方来指定您的使用案例。然后您创建一个解决方案版本，这是 Amazon Personalize 用于生成建议的训练模型。有关更多信息，请参阅创建解决方案.

  4. 部署模型（用于实时建议）

    Amazon Personalize 完成创建您的解决方案版本（经过培训的模型）后，您将其部署到广告活动中。市场活动创建并管理您在应用程序中使用的推荐 API，以便从自定义模型中请求实时建议。有关部署模型的更多信息，请参阅创建市场活动. 对于批量推荐，无需创建广告活动。

  5. 获取建议

    实时或作为批处理工作流的一部分获取建议。当您希望在客户使用您的应用程序时更新建议时，获取实时建议。当您不需要实时更新时，获取批量建议。有关更多信息，请参阅获取建议。

  6. 刷新数据并重复

    保持项目和用户数据最新，实时记录新的交互数据，并定期重新训练模型。这使您的模型能够从用户的最新活动中学习，并维持和提高建议的相关性。有关更多信息，请参阅保持建议的相关性.