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 中的实时物品推荐
如果您的应用场景或配方生成了物品推荐，那么在创建推荐器或创建市场活动之后，即可为用户获取实时的个性化或相关物品推荐。
如果您的域应用场景或配方提供实时个性化（例如热门精选应用场景或 User-Personalization-v2 配方），则当您记录用户与目录的交互时，Amazon Personalize 会根据用户的最新活动更新推荐。有关记录实时事件和个性化设置的更多信息，请参阅记录实时事件以影响推荐。
获得实时物品推荐后，您可以执行以下操作：
-
如果您将市场活动配置为返回推荐物品的元数据，则可以指定要包括在 GetRecommendations API 操作中的列。或者，您可以在使用 Amazon Personalize 控制台测试市场活动时指定列。有关代码示例，请参阅获取实时推荐的物品元数据。有关为市场活动启用元数据的信息，请参阅推荐中的物品元数据。有关为推荐器启用元数据的信息，请参阅在推荐中为 Amazon Personalize 中的域推荐器启用元数据。
-
对于某些应用场景和配方，您可以在推荐请求中指定推广。推广 定义了其他业务规则，这些规则适用于可配置的建议物品子集。有关更多信息，请参阅 通过实时推荐推广物品。
-
您可以根据自定义条件筛选结果。例如，您可能不想推荐用户已经购买的产品，或者只推荐针对特定年龄段的物品。有关更多信息，请参阅 筛选建议和用户细分。
注意
如果您使用了 PERSONALIZED_RANKING 自定义食谱，请参阅获取个性化排名（自定义资源）。
推荐评分的工作原理（自定义资源）
借助 User-Personalization-v 2 和用户个性化配方，Amazon Personalize 会根据用户的互动数据和元数据为项目生成分数。这些分数表示 Amazon Personalize 对于用户是否与接下来的物品交互的相对确定性。分数越高，意味着确定性越大。
注意
Amazon Personalize 不会显示域推荐器或者 Similar-Items、SIMS 或 Popularity-Count 食谱的分数。有关 Personalized-Ranking 建议分数的信息，请参阅 个性化排名评分的工作原理。
Amazon Personalize 会为每个物品生成一个分数，表示该物品与其他物品之间的相对关系，分数范围从 0 到 1（包括 0 和 1）。使用 User-Personalization-v 2，Amazon Personalize 会为您的部分商品生成分数。借助 User-Personalization，Amazon Personalize 可对目录中的所有物品评分。
如果您使用 User-Personalization-v 2 并对推荐应用筛选条件，则根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符商品。这样做是为了符合推荐请求的 numResults。这些物品是基于交互数据量的热门物品，符合您的筛选条件。它们没有针对用户的相关性评分。
对于 User-Personalization-v 2 和用户个性化设置，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，并且物品数据集和交互数据集中显示了三部影片，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 万部电影，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-物品对（u,i）的分数是根据以下公式计算的，其中 exp 是指数函数，w̅u 和 wi/j 分别是用户和物品嵌入内容，希腊字母西格玛（Σ）表示包含分数的所有物品的总和：
User-Personalization-v2 的推荐理由
如果你使用 User-Personalization-v 2，模型通常不推荐的物品会包含一个reason清单。这些理由说明了为什么在推荐中包括该物品。可能的原因包括：
-
推广物品 - 表示您在推荐请求中应用的推广活动中包括该物品。
-
浏览 - 表示该物品包括在浏览中。使用浏览时，推荐包括的物品具有更少的交互数据或用户相关性。有关浏览的更多信息，请参阅浏览。
-
热门物品 - 表示该物品作为占位符热门物品包括在内。如果您使用筛选条件，那么根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符物品以满足推荐请求的
numResults。这些物品是基于交互数据的热门物品，符合您的筛选条件。它们没有针对用户的相关性评分。