Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Wie neue Daten Empfehlungen in Echtzeit beeinflussen
Nachdem Sie eine Empfehlungsversion oder eine benutzerdefinierte Lösungsversion erstellt haben, hängt der Einfluss neuer Daten auf Empfehlungen in Echtzeit vom Typ, der Importmethode und dem verwendeten Domain-Anwendungsfall oder benutzerdefinierten Rezept ab. In den folgenden Abschnitten wird erklärt, wie sich neue Daten auf Empfehlungen in Echtzeit vor der nächsten Schulung auswirken.
Bei der Schulung kann es sich um ein wöchentliches automatisches Training eines Empfehlungsgebers oder um die automatische oder manuelle Erstellung von Lösungsversionen handeln. Für manuelles Training mit Benutzerpersonalisierung müssen Sie auf einstellen. trainingMode FULL
Informationen darüber, wie neue Datensätze die Batchempfehlungen beeinflussen, finden Sie unter. Empfehlungen für Chargenartikel mit benutzerdefinierten Ressourcen abrufen Informationen darüber, wie sich neue Datensätze auf Batchsegmentaufträge auswirken, finden Sie unterBatch-Benutzersegmente mit benutzerdefinierten Ressourcen abrufen.
Neue Interaktionen
Neue Interaktionen sind Artikel- oder Aktionsinteraktionen, die Sie nach dem letzten Training importieren.
Wenn Interaktionen sowohl bei Echtzeit- als auch bei Massendaten einen neuen Artikel oder eine neue Aktion beinhalten, kann Amazon Personalize dies für Empfehlungen ohne Schulung in Betracht ziehen. Weitere Informationen finden Sie unter Neue Artikel oder Neue -Aktionen.
Ereignisse in Echtzeit
Für Anwendungsfälle und Rezepte mit Personalisierung in Echtzeit verwendet Amazon Personalize sofort Echtzeit-Interaktionen zwischen einem Benutzer und vorhandenen Artikeln oder Aktionen (Aufzeichnungen, die in der letzten Schulung vorhanden waren), um Empfehlungen für denselben Benutzer zu generieren. Weitere Informationen zur Personalisierung in Echtzeit finden Sie unter. Personalisierung in Echtzeit
Bei allen Domain-Anwendungsfällen und benutzerdefinierten Rezepten, die keine Echtzeit-Personalisierung bieten, wie z. B. das Empfehlen ähnlicher Artikel, lernt Ihr Modell erst nach dem Training aus Echtzeit-Interaktionsdaten.
Interaktionen in großen Mengen
Bei Masseninteraktionen, sowohl bei inkrementellen als auch bei Aufträgen für den vollständigen Import von Datensätzen, lernt Ihr Modell erst nach dem nächsten Training aus Daten zur Masseninteraktion zwischen Elementen oder Aktionen. Massendaten werden nicht verwendet, um Empfehlungen für die Personalisierung in Echtzeit zu aktualisieren.
Weitere Informationen zum Aktualisieren vorhandener Massendaten finden Sie unterAktualisierung vorhandener Massendaten.
Neue Artikel
Neue Artikel sind Artikel, die Sie nach der letzten Schulung importieren. Sie können entweder aus Interaktionsdaten oder aus Elementmetadaten in einem Artikeldatensatz stammen.
Neue Artikel werden wie folgt für Empfehlungen berücksichtigt:
-
Bei Domain-Fällen „Top-Picks für Sie“ und „Empfohlen für Sie“ oder „User-Personalization-v2“, „User-Personalization“ oder „Next-Best-Action“ -Rezepten aktualisiert Amazon Personalize das Modell automatisch alle zwei Stunden. Nach jedem Update berücksichtigt Amazon Personalize im Rahmen der Erkundung neue Artikel als Empfehlungen. Bei der Prüfung des neuen Artikels berücksichtigt Amazon Personalize alle Metadaten für den Artikel. Diese Daten wirken sich jedoch erst dann stärker auf Empfehlungen aus, wenn Sie Interaktionen für den Artikel aufgezeichnet und ein neues Modell trainiert haben. Informationen zu Updates finden Sie unterAutomatische Updates.
-
Wenn Sie den Anwendungsfall Trending now verwenden, wertet Amazon Personalize Ihre Interaktionsdaten automatisch alle zwei Stunden aus und identifiziert Artikel, die im Trend liegen. Sie müssen nicht warten, bis Ihr Empfehlungsgeber trainiert hat. Wenn Sie das Trending-Now-Rezept verwenden, berücksichtigt Amazon Personalize automatisch alle neuen Artikel in konfigurierbaren Intervallen ohne Schulung. Informationen zur Konfiguration von Intervallen finden Sie unter. Trending-Now-Rezept
-
Wenn Sie das Trending-Now-Rezept nicht verwenden oder Ihr Anwendungsfall oder Rezept keine automatischen Updates unterstützt, berücksichtigt Amazon Personalize neue Artikel erst nach der nächsten Schulung.
Neuer Benutzer
Neue Benutzer sind Benutzer, die Sie nach der letzten Schulung importieren. Sie können entweder aus Interaktionsdaten oder aus Benutzermetadaten in einem Benutzerdatensatz stammen. Für neue, anonyme Benutzer (Benutzer ohne userId) können Sie Ereignisse für den Benutzer mit einem aufzeichnen, sessionId und Amazon Personalize ordnet Ereignisse dem Benutzer zu, bevor er sich anmeldet. Weitere Informationen finden Sie unter Aufzeichnen von Ereignissen für anonyme Benutzer.
Amazon Personalize generiert Empfehlungen für neue Benutzer wie folgt:
-
Wenn Sie den Anwendungsfall „Trending now“ -Domain oder das benutzerdefinierte Rezept „Trending-Now“ verwenden, erhalten neue Benutzer sofort Empfehlungen für die beliebtesten Artikel. Wenn Sie das Rezept Popularity-Count verwenden, erhalten neue Benutzer sofort Empfehlungen für Artikel mit den meisten Interaktionen.
-
Bei Rezepten oder Anwendungsfällen, die personalisierte Empfehlungen für Benutzer bieten, basieren die Empfehlungen für neue Benutzer auf den frühen Interaktionsverläufen Ihrer bestehenden Benutzer. Es ist wahrscheinlicher, dass die ersten Elemente oder Aktionen, mit denen diese bestehenden Benutzer interagiert haben, neuen Benutzern empfohlen werden. Wenn Sie diese Option für die Rezepte „Benutzerpersonalisierung“ oder „Personalisiertes Ranking“ festlegen, enthalten die Empfehlungen auch Artikel
true,recency_maskdie auf den neuesten Beliebtheitstrends in Ihren Interaktionsdaten basieren.
Folgendes kann die Relevanz von Empfehlungen für neue Nutzer erhöhen:
-
Interaktionsdaten — Die wichtigste Methode, um die Relevanz von Empfehlungen für neue Nutzer zu verbessern, besteht darin, Daten aus deren Interaktionen mit Ihren Artikeln zu importieren. Informationen darüber, wie sich neue Interaktionsdaten auf Empfehlungen auswirken, finden Sie unterNeue Interaktionen.
-
Benutzermetadaten — Durch den Import von Benutzermetadaten wie GENDER oder MEMBERSHIP_STATUS können Empfehlungen verbessert werden. Damit Metadaten die Empfehlungen beeinflussen können, müssen Sie warten, bis die wöchentliche automatische Umschulung Ihres Domain-Empfehlungsgebers abgeschlossen ist. Oder Sie müssen manuell eine neue Lösungsversion erstellen.
-
Kontextuelle Metadaten — Wenn Ihr Anwendungsfall oder Ihre Rezeptur kontextuelle Metadaten unterstützt und Ihr Datensatz mit Artikelinteraktionen Metadatenfelder für kontextbezogene Daten enthält, können Sie den Kontext des Benutzers in Ihrer Empfehlungsanfrage angeben. Dafür ist keine Umschulung erforderlich. Weitere Informationen finden Sie unter Erhöhung der Relevanz von Empfehlungen mit kontextbezogenen Metadaten.
Neue -Aktionen
Neue Aktionen sind Aktionen, die Sie seit der letzten Schulung importieren. Sie können entweder aus Aktionsinteraktionsdaten oder aus Aktionen in einem Aktionsdatensatz stammen.
Mit dem Next-Best-Action-Rezept aktualisiert Amazon Personalize automatisch alle zwei Stunden eine Lösungsversion. Nach jedem Update erwägt Amazon Personalize im Rahmen der Erkundung neue Aktionen für Empfehlungen. Bei der Prüfung der neuen Aktion berücksichtigt Amazon Personalize alle Metadaten für die Aktion. Diese Daten haben jedoch erst dann einen größeren Einfluss auf Empfehlungen, wenn Sie die Aktionsinteraktionen für die Aktion aufgezeichnet und vollständig neu trainiert haben. Informationen zu Updates finden Sie unter Automatische Updates
