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。
录制事件
借助域名推荐器和自定义资源,Amazon Personalize 可以仅根据实时事件数据、仅基于历史事件数据或两者的混合来提供推荐。
记录实时事件以建立您的互动数据,并允许 Amazon Personalize 从您的用户的最新活动中学习。这样可以使您的数据保持最新状态,并提高 Amazon Personalize 推荐的相关性。如果您的域名用例或配方支持实时个性化,Amazon Personalize 使用实时事件根据用户不断变化的兴趣来更新和调整推荐。
您可以使用录制实时事件Amazon软件开发包,AmazonAmplify 或Amazon Command Line Interface(Amazon CLI)。当您记录事件时,Amazon Personalize 会将事件数据附加到您的数据集组中的互动数据集中。如果您录制了两个具有完全相同时间戳和相同属性的事件,Amazon Personalize 将只保留其中一个事件。
如果你使用 Apache Kafka,你可以使用亚马逊个性化 Kafka 连接器将数据实时流式传输到 Amazon Personalize。有关信息,请参见Amazon Personal Personalize
AmazonAmplify 包括 JavaScript 用于记录来自 Web 客户端应用程序的事件的库,以及用于在服务器代码中记录事件的库。有关更多信息,请参阅Amplify-分析
记录事件和训练模型的要求
要记录事件,您需要以下项:
-
包含一个
Interactions
数据集的数据集组,该数据集可以为空。如果你经历了开始使用指南,您可以使用与您创建的相同的数据集组和数据集。有关创建数据集组和数据集的信息,请参阅步骤 2:准备和导入数据。 -
一个事件跟踪器。
-
调用 PutEvents 操作。
你可以从一个空的 Interactions 数据集开始,当你记录了足够的数据后,只使用新记录的事件来训练模型。对于所有用例(域数据集组)和配方(自定义数据集组),您的交互数据在训练之前必须具有以下内容:
-
至少 1000 条来自用户与您目录中的商品进行交互的互动记录。这些互动可以来自批量导入,也可以来自流媒体活动,或者两者兼而有之。
-
至少 25 个唯一的用户 ID,每个用户名至少有两次互动。
要获得质量建议,我们建议您至少有 1,000 名用户的 50,000 次互动,每人有两次或更多次互动。
实时事件如何影响推荐
如果您的食谱支持实时个性化,那么在您创建推荐者或自定义活动后,Amazon Personalize 会在导入后的几秒钟内为现有商品使用新记录的事件数据。以下用例和方法支持实时个性化:
如果您使用 Trending-Now 配方,Amazon Personalize 会在可配置的时间间隔内自动考虑来自新事件数据的项目。您不必创建新的解决方案版本。有关更多信息,请参阅Trending-Now食谱:
如果活动中的物品或用户是新的,那么 Amazon Personalize 如何使用数据取决于您的配方。有关更多信息,请参阅新数据如何影响实时推荐: