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.
# Artikelempfehlungen in Amazon Personalize in Echtzeit
Wenn Ihr Anwendungsfall oder Ihr Rezept Artikelempfehlungen generiert, können Sie nach dem [Erstellen eines Empfehlungsgebers](creating-recommenders.md) [oder einer Kampagne](campaigns.md) in Echtzeit personalisierte oder verwandte Artikelempfehlungen für Ihre Benutzer erhalten.
Wenn Ihr Domain-Anwendungsfall oder Ihr Domain-Rezept [Personalisierung in Echtzeit](use-case-recipe-features.md#about-real-time-personalization) bietet, wie z. B. der Anwendungsfall *Top-Picks für Sie* oder das Rezept für *Benutzerpersonalisierung v2*, aktualisiert Amazon Personalize die Empfehlungen auf der Grundlage der letzten Aktivitäten Ihrer Benutzer, während Sie deren Interaktionen mit Ihrem Katalog aufzeichnen. Weitere Informationen zur Aufzeichnung von Ereignissen in Echtzeit und zur Personalisierung finden Sie unter. [Aufzeichnung von Ereignissen in Echtzeit zur Beeinflussung von Empfehlungen](recording-events.md)
Wenn Sie Artikelempfehlungen in Echtzeit erhalten, können Sie wie folgt vorgehen:
+ Wenn Sie Ihre Kampagne so konfiguriert haben, dass Metadaten für empfohlene Artikel zurückgegeben werden, können Sie die Spalten angeben, die in Ihren [GetRecommendations](API_RS_GetRecommendations.md) API-Vorgang aufgenommen werden sollen. Sie können die Spalten auch angeben, wenn Sie die Kampagne mit der Amazon Personalize-Konsole testen. Codebeispiele finden Sie unter [Abrufen von Elementmetadaten mit Empfehlungen in Echtzeit](getting-recommendations-with-metadata.md). Informationen zur Aktivierung von Metadaten für eine Kampagne finden Sie unter[Artikelmetadaten in Empfehlungen](campaigns.md#create-campaign-return-metadata). Informationen zum Aktivieren von Metadaten für einen Empfehlungsgeber finden Sie unter[Aktivieren von Metadaten in Empfehlungen für einen Domain-Empfehlungsgeber in Amazon Personalize](create-recommender-return-metadata.md).
+ Für einige Anwendungsfälle und Rezepte können Sie in Ihrer Empfehlungsanfrage eine Werbeaktion angeben. Eine *Werbeaktion* definiert zusätzliche Geschäftsregeln, die für eine konfigurierbare Teilmenge empfohlener Artikel gelten. Weitere Informationen finden Sie unter [Werbung für Artikel in Echtzeitempfehlungen](promoting-items.md).
+ Sie können Ergebnisse nach benutzerdefinierten Kriterien filtern. Beispielsweise möchten Sie möglicherweise keine Produkte empfehlen, die ein Benutzer bereits gekauft hat, oder nur Artikel für eine bestimmte Altersgruppe empfehlen. Weitere Informationen finden Sie unter [Empfehlungen und Benutzersegmente filtern](filter.md).
**Anmerkung**
Wenn Sie ein benutzerdefiniertes Rezept für PERSONALIZED\$1RANKING verwendet haben, finden Sie weitere Informationen unter. [Ein personalisiertes Ranking erhalten (benutzerdefinierte Ressourcen)](rankings.md)
**Topics**
+ [So funktioniert die Bewertung von Empfehlungen (benutzerdefinierte Ressourcen)](#how-recommendation-scoring-works)
+ [Gründe für Empfehlungen mit 2 User-Personalization-v](#recommendation-reasons)
+ [Artikelempfehlungen in Echtzeit erhalten](getting-real-time-item-recommendations.md)
+ [Abrufen von Elementmetadaten mit Empfehlungen in Echtzeit](getting-recommendations-with-metadata.md)
+ [Werbung für Artikel in Echtzeitempfehlungen](promoting-items.md)
## So funktioniert die Bewertung von Empfehlungen (benutzerdefinierte Ressourcen)
Mit den Rezepten User-Personalization-v 2 und Benutzerpersonalisierung generiert Amazon Personalize Bewertungen für Artikel, die auf den Interaktionsdaten und Metadaten eines Benutzers basieren. Diese Werte stellen die relative Sicherheit dar, die Amazon Personalize hat, wenn es darum geht, ob der Benutzer als Nächstes mit dem Artikel interagieren wird. Höhere Punktzahlen bedeuten eine größere Gewissheit.
**Anmerkung**
Amazon Personalize zeigt keine Ergebnisse für Domain-Empfehlungen oder Rezepte mit ähnlichen Artikeln, SIMS oder Beliebtheitszählern an. Informationen zu Punktzahlen für Empfehlungen mit personalisiertem Ranking finden Sie unter. [So funktioniert die personalisierte Bewertung von Rankings](rankings.md#how-ranking-scoring-works)
Amazon Personalize generiert Punktzahlen für Artikel im Verhältnis zueinander auf einer Skala von 0 bis 1 (beide inklusive). Bei User-Personalization-v 2 generiert Amazon Personalize Punktzahlen für eine Teilmenge Ihrer Artikel. Mit der Benutzerpersonalisierung bewertet Amazon Personalize alle Artikel in Ihrem Katalog.
Wenn Sie User-Personalization-v 2 verwenden und einen Filter auf Empfehlungen anwenden, fügt Amazon Personalize möglicherweise Platzhalterelemente hinzu, je nachdem, wie viele Empfehlungen der Filter entfernt. Dies geschieht, um die Anfrage `numResults` für Ihre Empfehlung zu erfüllen. Bei diesen Artikeln handelt es sich um beliebte Artikel, die auf der Menge der Interaktionsdaten basieren und Ihre Filterkriterien erfüllen. Sie haben keinen Relevanzwert für den Benutzer.
Sowohl für „ User-Personalization-v2“ als auch für „Benutzerpersonalisierung“ ergibt die Summe aller Punktzahlen den Wert 1. Wenn Sie beispielsweise Filmempfehlungen für einen Benutzer erhalten und drei Filme im Artikeldatensatz und im Interaktions-Datensatz angezeigt werden, könnten ihre Ergebnisse`0.6`, `0.3` und sein. `0.1` Wenn Sie 10.000 Filme in Ihrem Inventar haben, könnten die Filme mit der höchsten Punktzahl ebenfalls sehr geringe Punktzahlen haben (die durchschnittliche Punktzahl wäre`.001`), aber da die Bewertung relativ ist, sind die Empfehlungen trotzdem gültig.
Mathematisch gesehen werden die Punktzahlen für jedes Benutzer-Item-Paar (u, i) nach der folgenden Formel berechnet, wobei die Exponentialfunktion `exp` ist, u wund i w/ jeweils Benutzer- und Elementeinbettungen j sind und der griechische Buchstabe Sigma (reiz) die Summe aller Elemente mit Punktzahlen darstellt:
![\[Stellt die Formel dar, die zur Berechnung der Punktzahlen für jedes Element in Empfehlungen verwendet wird.\]](http://docs.aws.amazon.com/de_de/personalize/latest/dg/images/get_recommendations_score.png)
## Gründe für Empfehlungen mit 2 User-Personalization-v
Wenn Sie User-Personalization-v 2 verwenden, gehört zu den Artikeln, die das Modell normalerweise nicht empfehlen würde, eine `reason` Liste. Diese Gründe erklären, warum der Artikel in die Empfehlungen aufgenommen wurde. Zu den möglichen Gründen gehören die folgenden:
+ Beworbener Artikel — Zeigt an, dass der Artikel Teil einer Werbeaktion war, die Sie in Ihrer Empfehlungsanfrage beantragt haben.
+ Erkundung — Zeigt an, dass der Artikel im Rahmen der Erkundung enthalten war. Bei der Erkundung umfassen die Empfehlungen auch Elemente mit weniger Interaktionsdaten oder Relevanz für den Benutzer. Weitere Informationen zur Erkundung finden Sie unter [Erkundung](https://docs.aws.amazon.com/personalize/latest/dg/use-case-recipe-features.html#about-exploration).
+ Beliebter Artikel — Zeigt an, dass der Artikel als Platzhalter „Beliebter Artikel“ hinzugefügt wurde. Wenn Sie einen Filter verwenden, fügt Amazon Personalize, je nachdem, wie viele Empfehlungen der Filter entfernt, möglicherweise Platzhalterelemente hinzu, um Ihre `numResults` Empfehlungsanfrage zu erfüllen. Bei diesen Artikeln handelt es sich um beliebte Artikel, die auf Interaktionsdaten basieren und Ihre Filterkriterien erfüllen. Sie haben keinen Relevanzwert für den Benutzer.