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。
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:

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
-
在打开 Amazon Personalize 控制台https://console.aws.amazon.com/personalize/home
然后登录您的账户。 -
选择包含您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中,选择目标广告系列。
-
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. -
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。
-
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。
-
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-idUser 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.
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'])