Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Recomendaciones de artículos en tiempo real en Amazon Personalize

Si tu caso de uso o receta genera recomendaciones de artículos, después de crear un recomendante o una campaña, podrás obtener recomendaciones de artículos relacionados o personalizadas en tiempo real para tus usuarios.

Si el caso de uso o la receta de tu dominio ofrecen personalización en tiempo real, como el caso de uso Top picks for you o la receta user-Personalization-v2, Amazon Personalize actualiza las recomendaciones en función de la actividad más reciente de tus usuarios a medida que registras sus interacciones con tu catálogo. Para obtener más información sobre el registro de eventos en tiempo real y la personalización, consulte Grabación de eventos en tiempo real para influir en las recomendaciones.

Cuando recibas recomendaciones de artículos en tiempo real, puedes hacer lo siguiente:

Cómo funciona la puntuación de recomendaciones (recursos personalizados)

Con las recetas User-Personalization-v 2 y de personalización del usuario, Amazon Personalize genera puntuaciones para los artículos en función de los metadatos y los datos de interacción del usuario. Estas puntuaciones representan la certeza relativa que Amazon Personalize tiene respecto a qué elemento va a seleccionar el usuario a continuación. Las puntuaciones más altas representan una mayor certeza.

Amazon Personalize genera puntuaciones para los artículos en relación con los demás en una escala del 0 al 1 (ambos inclusive). Con User-Personalization-v 2, Amazon Personalize genera puntuaciones para un subconjunto de tus artículos. Con la personalización del usuario, Amazon Personalize puntúa todos los artículos de tu catálogo.

Si utilizas User-Personalization-v 2 y aplicas un filtro a las recomendaciones, en función del número de recomendaciones que elimine el filtro, Amazon Personalize podría añadir elementos marcadores de posición. Lo hace para cumplir con tu numResults solicitud de recomendación. Estos artículos son populares, según la cantidad de datos de interacciones, que cumplen tus criterios de filtrado. No tienen una puntuación de relevancia para el usuario.

Tanto para User-Personalization-v 2 como para la personalización por el usuario, el total de todas las puntuaciones es igual a 1. Por ejemplo, si recibes recomendaciones de películas para un usuario y aparecen tres películas en los conjuntos de datos Elementos e Interacciones, sus puntuaciones podrían ser 0.60.3, y0.1. Del mismo modo, si tienes 10 000 películas en tu inventario, es posible que las películas con las puntuaciones más altas tengan puntuaciones muy bajas (la puntuación media sería.001), pero, dado que la puntuación es relativa, las recomendaciones siguen siendo válidas.

En términos matemáticos, las puntuaciones de cada par de elementos de usuario (u, i) se calculan de acuerdo con la siguiente fórmula, donde exp es la función exponencial, w _u y w_i/_json incrustaciones de usuario y elemento respectivamente, y la letra griega sigma (σ) representa la suma de todos los elementos con puntuaciones:

Motivos de recomendación con User-Personalization-v 2

Si usa User-Personalization-v 2, los elementos que el modelo normalmente no recomendaría incluyen una reason lista. Estas razones explican por qué el artículo se incluyó en las recomendaciones. Entre las posibles razones se incluyen las siguientes: