录制事件 - Amazon Personalize
记录事件和训练模型的要求实时事件如何影响推荐
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 (PDF)。

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在personalize-kafka-connectorGithub 存储库

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。

主题

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：