获取建议

您可以从 Amazon Personalize 广告活动中获得个性化推荐或类似商品推荐。您可以通过 Amazon Personalize 控制台获取建议，Amazon Command Line Interface(Amazon CLI），或Amazon开发工具包。

注意

如果您使用了个性化 _ 排名配方，请参阅获得个性化排名。

主题

评分的工作原理
获得推荐（控制台）
获得推荐 (Amazon CLI）
获得推荐 (Amazon开发工具包）
使用上下文元数据获取建议 (AmazonPython 开发工具包）

评分的工作原理

为提出推荐，Amazon Personalize 根据用户的交互数据和元数据为项目数据集中的项目生成分值。这些分数表示对于用户接下来将选择哪 Amazon Personalize 项目的相对确定性。分数越高，意味着确定性越大。

基于 USER_PERSONALIZATION 方法的模型对项目数据集中的所有项目进行相对于彼此的评分，其分数范围为 0 到 1（包含这两者），使得所有分数的总和等于 1。例如，如果您要获取用户的影片推荐，并且项目数据集中有三部影片，则其分数可能为 0.6、0.3、和 0.1。同样，如果您的库存中有 1,000 部电影，则得分最高的电影的分数可能非常小（平均分数为.001），但由于评分是相对的，推荐仍然有效。

在数学术语中，每个用户项目对 (u, i) 的分数是根据以下公式计算的，其中exp是指数函数，w_u和 w_i/_j分别是用户嵌入和项嵌入，希腊字母 sigma (σ) 表示项目数据集中所有项的总和：

注意

Amazon Personalize 不显示 SIMS 或基于流行计数的模型的分数。

获得推荐（控制台）

要使用 Amazon Personalize 控制台获取建议，请在广告活动的详情页面上提供推荐请求信息。

获得用户推荐

从打开 Amazon Personalize 控制台https://console.aws.amazon.com/personalize/home并登录您的账户。
选择包含正在使用的市场活动的数据集组。
在导航窗格中，选择 Campaigns (活动)。
在存储库的活动页面上，选择目标广告活动。
UNDER测试活动结果中，根据您使用的配方输入您的建议请求详细信息。对于 USER_个性化配方，输入User ID (用户 ID)对于要获得其建议的用户。对于相关项目配方，输入Item Item Id您希望 Amazon Personalize 用于确定类似商品的商品。
（可选）选择筛选器。有关更多信息，请参阅筛选建议。
如果您的广告活动使用上下文元数据（有关要求，请参阅使用上下文元数据提高建议相关性）可以选择提供上下文数据。

对于每个上下文，对于密钥中，输入元数据字段，然后对于值中，输入上下文数据。
选择 Get recommendations (获得推荐)。此时将显示一个包含用户前 25 个推荐项目的表。

获得推荐 (Amazon CLI）

使用以下代码可获得推荐。将 userId 的值更改为用于训练解决方案的数据中的用户 ID。此时将显示为用户推荐的前 10 个项目的列表。要更改推荐的项目的数目，请更改numResults。默认值为 25 项。最多 500 项。如果您使用了相关的 _ITES 配方来训练支持营销活动的解决方案版本，请将user-id带的参数item-id并指定项目 ID。


aws personalize-runtime get-recommendations \
--campaign-arn campaign arn \
--user-id User ID \
--num-results 10

获得推荐 (Amazon开发工具包）

以下代码说明了如何使用 SDK for Python (Boto3)（Bto3）或适用于 Java 2.x 的软件开发工具包获取 Amazon Personalize 建议。

SDK for Python (Boto3)

使用以下代码可获得推荐。将 userId 的值更改为用于训练解决方案的数据中的用户 ID。此时将显示为用户推荐的前 10 个项目的列表。要更改推荐的项目的数目，请更改numResults。默认值为 25 项。最多 500 项。如果您使用了相关的 _ITES 配方来训练支持营销活动的解决方案版本，请将userId带的参数itemId并指定项目 ID。


import boto3

personalizeRt = boto3.client('personalize-runtime')

response = personalizeRt.get_recommendations(
    campaignArn = 'Campaign ARN',
    userId = 'User ID',
    numResults = 10
)

print("Recommended items")
for item in response['itemList']:
    print (item['itemId'])

SDK for Java 2.x

要获得推荐，请使用以下getRecommendations方法并将以下内容作为参数传递：APersonalizeRuntimeClient、您的活动的 Amazon 资源名称 (ARN) 以及userId对于要获得推荐的用户。如果您使用了相关的 _ITES 配方来训练支持营销活动的解决方案版本，请将userId带的参数itemId并指定项目 ID。


    public static void getRecs(PersonalizeRuntimeClient personalizeRuntimeClient, String campaignArn, String userId){

        try {
            GetRecommendationsRequest recommendationsRequest = GetRecommendationsRequest.builder()
                .campaignArn(campaignArn)
                .numResults(20)
                .userId(userId)
                .build();

            GetRecommendationsResponse recommendationsResponse = personalizeRuntimeClient.getRecommendations(recommendationsRequest);
            List<PredictedItem> items = recommendationsResponse.itemList();

            for (PredictedItem item: items) {
                System.out.println("Item Id is : "+item.itemId());
                System.out.println("Item score is : "+item.score());
            }
        } catch (AwsServiceException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
    }

使用上下文元数据获取建议 (AmazonPython 开发工具包）

使用以下代码，根据上下文元数据获取建议。适用于context，为每个键值对提供元数据字段作为键，并提供上下文数据作为值。在下面的示例代码中，关键是DEVICE，值为mobile phone。替换这些值和Campaign ARN和User ID与您自己的值。将显示为用户推荐的项目的列表。


import boto3

personalizeRt = boto3.client('personalize-runtime')

response = personalizeRt.get_recommendations(
    campaignArn = 'Campaign ARN',
    userId = 'User ID',
    context = {
      'DEVICE': 'mobile phone'
    }
)

print("Recommended items")
for item in response['itemList']:
    print (item['itemId'])

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

获得实时推荐

获得个性化排名