获取建议 - Amazon Personalize
评分的工作原理获取推荐（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)
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。

获取建议

您从 Amazon Personalize 化广告活动中获得个性化推荐或类似商品推荐 您可以使用 Amazon Personalize 化控制台获取建议，Amazon Command Line Interface(Amazon CLI)，或者Amazon开发工具包。

注意

如果你使用了个性化 _RANGING 食谱，请参阅获得个性化排名.

评分的工作原理

为提出推荐，Amazon Personalize 化将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。这些分数表明，Amazon Personalize 化拥有用户接下来将选择哪个项目的相对确定性。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，wu和 wi/j分别是用户和项目嵌入，希腊字母 sigma (Σ) 表示项目数据集中所有项目的总和：

注意

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

获取推荐（控制台）

要通过 Amazon Personalize 化控制台获取推荐，请在广告活动的详情页面上提供推荐请求信息。

获得针对用户的推荐

  1. 在打开 Amazon Personalize 控制台https://console.aws.amazon.com/personalize/home然后登录您的账户。

  2. 选择包含您正在使用的市场活动的数据集组。

  3. 在导航窗格中，选择 Campaigns (活动)。

  4. 在存储库的活动页面中，选择目标广告系列。

  5. UNDER测试活动结果中，根据您使用的配方输入推荐请求详细信息。对于 USER_PERSONALIZATION 配方，请输入User ID (用户 ID)要获得其建议的用户。对于 RELATED_ITEMS 配方，请输入Item Id您希望 Amazon Personalize 化用于确定类似商品的商品。

    如果您在用户（匿名用户）登录之前为其录制了事件，则可以通过提供sessionId来自那些事件而不是userId. 有关为匿名用户录制事件的更多信息，请参阅PutEvents 操作.

  6. 也可以选择一个过滤器。有关更多信息，请参阅 筛选推荐和用户细分。

  7. 如果你的广告活动使用上下文元数据（有关要求，使用上下文元数据增加推荐相关) 可选地提供上下文数据。

    对于每个上下文，对于密钥，输入元数据字段，然后对于值中，输入上下文数据。

  8. 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。将显示为用户推荐的 10 项的列表。要更改推荐的项目的数量，请更改的值numResults. 默认值为 25 项。最多 500 项。如果您使用 READEST_ITEMS 配方来训练支持营销活动的解决方案版本，请替换user-id带有的参数item-id然后指定商品编号。

如果您在用户（匿名用户）登录之前为其录制了事件，则可以通过提供sessionId来自那些事件而不是userId. 有关为匿名用户录制事件的更多信息，请参阅PutEvents 操作.

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)

以下代码演示了如何使用 SDK for Python (Boto3) 或适用于 Java 2.x 的开发工具包以获取 Amazon Personalize 化推荐。将 userId 的值更改为用于训练解决方案的数据中的用户 ID。将显示为用户推荐的 10 项的列表。要更改推荐的项目的数量，请更改的值numResults. 默认值为 25 项。最多 500 项。如果您使用 READEST_ITEMS 配方来训练支持营销活动的解决方案版本，请替换userId带有的参数itemId然后指定商品编号。

如果您在用户（匿名用户）登录之前为其录制了事件，则可以通过提供sessionId来自那些事件而不是userId. 有关为匿名用户录制事件的更多信息，请参阅PutEvents 操作.

SDK for Python (Boto3)
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
    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，对于每个键值对，提供元数据字段作为键，上下文数据作为值。在以下示例代码中，关键是DEVICE而且价值是mobile phone. 替换这些值和Campaign ARN和User ID用你自己的。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'])