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。
选择配方
当您创建自定义解决方案时，您需指定配方并配置训练参数。配方 是针对特定使用案例准备的 Amazon Personalize 算法。Amazon Personalize 根据常见使用案例为训练模型提供配方。当您为解决方案创建解决方案版本时，Amazon Personalize 会根据配方和训练配置训练支持该解决方案版本的模型。
Amazon Personalize 配方在训练期间使用以下内容：
-
数据的预定义属性
-
预定义特征转换
-
预定义算法
-
算法的初始参数设置
为了优化模型，您可以在创建解决方案时覆盖上述多个参数。有关更多信息，请参阅超级参数和 HPO。
主题
按使用案例划分的 Amazon Personalize 配方类型
要选择您的配方，请先从以下内容中选择您的使用案例，并记下其对应的配方类型。
-
向用户推荐物品（USER_PERSONALIZATION 配方）
要向用户提供个性化建议，请使用 USER_PERSONALIZATION 配方训练您的模型。个性化建议有助于提高参与度和转化率。
-
对用户物品排名（PERSONALIZED_RANKING 配方）
要对用户的精选列表或搜索结果顺序进行个性化处理，请使用 PERSONALIZED_RANKING 配方训练您的模型。PERSONALIZED_RANKING 配方根据给定用户的预测兴趣水平，对一组输入项进行重新排名，从而创建个性化列表。个性化列表可改善客户体验，提高客户忠诚度和参与度。
-
推荐趋势或热门物品（POPULAR_ITEMS 配方）
要推荐趋势或热门物品，请使用 POPULAR_ITEMS 配方。如果您的客户高度重视与其他用户交互的内容，则您可以使用 POPULAR_ITEMS。常见用途包括推荐病毒式社交媒体内容、突发新闻文章或最近的体育视频。
-
推荐类似物品（RELATED_ITEMS 配方）
要推荐类似物品（例如，经常一起购买的物品或其他用户也看过的电影），您应该使用 RELATED_ITEMS 配方。推荐类似物品可以帮助您的客户发现物品，还可以提高用户转化率。
-
建议下一个最佳操作（PERSONALIZED_ACTIONS 配方）
要实时向用户建议下一个最佳操作，例如注册忠诚度计划或申请信用卡，您应该使用 PERSONALIZED_ACTIONS 配方。建议下一个最佳操作可以提高客户忠诚度、创造更多收入并改善用户体验。
-
获取用户细分（USER_SEGMENTATION 配方）
要根据物品输入数据获取用户细分（例如，最有可能与具有特定属性的物品进行交互的用户），您应该使用 USER_SEGMENTATION 配方。获取用户细分可以帮助您创建高级市场活动，根据不同的用户细分采取行动的可能性，将不同的物品推广给这类用户细分。
Amazon Personalize 配方
Amazon Personalize 提供以下类型的配方。除了行为差异外，每种类型对获取推荐都有不同的要求，如下表所示。
| 配方类型 | 配方 | API | API 要求 |
|---|---|---|---|
| USER_PERSONALIZATION | GetRecommendations |
|
|
| POPULAR_ITEMS | GetRecommendations |
|
|
| PERSONALIZED_RANKING | GetPersonalizedRanking |
|
|
| RELATED_ITEMS | GetRecommendations |
|
|
| PERSONALIZED_ACTIONS | GetActionRecommendations |
|
|
| USER_SEGMENTATION | CreateBatchSegmentJob |
有关批量工作流程的要求，请参阅创建批量细分作业。 |
查看可用的 Amazon Personalize 配方
查看可用配方列表：
-
在 Amazon Personalize 控制台中，选择一个数据集组。在导航窗格中，选择解决方案和配方，然后选择配方选项卡。
-
使用Amazon SDK for Python (Boto3)，调用 ListRecipes API。
-
使用 Amazon CLI 运行以下命令。
aws personalize list-recipes
要使用 SDK for Python (Boto3) 获取有关配方的信息，请调用 DescribeRecipe API。要使用 Amazon CLI 获取有关配方的信息，请使用以下命令。
aws personalize describe-recipe --recipe-arnrecipe_arn