Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Recommandations d'articles en temps réel dans Amazon Personalize
Si votre cas d'utilisation ou votre recette génère des recommandations d'articles, après avoir créé un outil de recommandation ou créé une campagne, vous pouvez obtenir des recommandations d'articles personnalisées ou connexes en temps réel pour vos utilisateurs. Lorsque vous recevez des recommandations d'articles en temps réel, vous pouvez effectuer les opérations suivantes :
-
Si vous avez configuré votre campagne pour renvoyer des métadonnées pour les éléments recommandés, vous pouvez spécifier les colonnes à inclure dans votre GetRecommendations API opération. Vous pouvez également spécifier les colonnes lorsque vous testez la campagne avec la console Amazon Personalize. Pour obtenir des exemples de code, veuillez consulter Obtenir les métadonnées des articles avec des recommandations. Pour plus d'informations sur l'activation des métadonnées pour une campagne, consultezMétadonnées des éléments dans les recommandations. Pour plus d'informations sur l'activation des métadonnées pour un recommandeur, consultezActivation des métadonnées dans les recommandations pour un recommandeur de domaine dans Amazon Personalize.
-
Pour certains cas d'utilisation et certaines recettes, vous pouvez spécifier une promotion dans votre demande de recommandation. Une promotion définit des règles commerciales supplémentaires qui s'appliquent à un sous-ensemble configurable d'articles recommandés. Pour de plus amples informations, veuillez consulter Promouvoir des articles dans les recommandations.
-
Vous pouvez filtrer les résultats en fonction de critères personnalisés. Par exemple, il se peut que vous ne souhaitiez pas recommander des produits qu'un utilisateur a déjà achetés ou recommander uniquement des articles destinés à un groupe d'âge en particulier. Pour de plus amples informations, veuillez consulter Recommandations de filtrage et segments d'utilisateurs.
Note
Si vous avez utilisé une recette RANKING personnalisée PERSONALIZED _, consultezObtenir un classement personnalisé (ressources personnalisées).
Rubriques
Comment fonctionne la notation des recommandations (ressources personnalisées)
Grâce aux recettes User-Personalization-v2 et User-Personalization, Amazon Personalize génère des scores pour les éléments en fonction des données d'interaction et des métadonnées de l'utilisateur. Ces scores représentent la certitude relative dont dispose Amazon Personalize quant à savoir si l'utilisateur interagira ensuite avec l'article. Des scores plus élevés représentent une plus grande certitude.
Note
Amazon Personalize n'affiche pas les scores des recommandations de domaines, des recettes Similar-Items ou SIMS Popularity-Count. Pour plus d'informations sur les scores des recommandations de classement personnalisé, voir. Comment fonctionne le classement personnalisé
Amazon Personalize génère des scores pour les articles les uns par rapport aux autres sur une échelle de 0 à 1 (les deux inclus). Avec User-Personalization-v2, Amazon Personalize génère des scores pour un sous-ensemble de vos articles. Grâce à la personnalisation par l'utilisateur, Amazon Personalize note tous les articles de votre catalogue.
Si vous utilisez User-Personalization-v2 et que vous appliquez un filtre aux recommandations, en fonction du nombre de recommandations supprimées par le filtre, Amazon Personalize peut ajouter des éléments réservés. Il le fait pour répondre à numResults votre demande de recommandation. Ces éléments sont des éléments populaires, basés sur le nombre de données d'interactions, qui répondent à vos critères de filtre. Ils n'ont pas de score de pertinence pour l'utilisateur.
Pour la personnalisation par l'utilisateur v2 et pour la personnalisation par l'utilisateur, le total de tous les scores est égal à 1. Par exemple, si vous recevez des recommandations de films pour un utilisateur et que trois films apparaissent dans le jeu de données Items et le jeu de données Interactions, leurs scores peuvent être 0.60.3, et0.1. De même, si vous avez 10 000 films dans votre inventaire, les films les mieux notés peuvent avoir des scores très faibles (le score moyen serait le cas.001), mais comme le score est relatif, les recommandations restent valables.
En termes mathématiques, les scores de chaque paire utilisateur-élément (u, i) sont calculés selon la formule suivante, où exp est la fonction exponentielle, w u et wi/jsont respectivement des intégrations utilisateur et élément, et la lettre grecque sigma (Σ) représente la somme de tous les éléments avec des scores :
Raisons de recommandation concernant User-Personalization-v2
Si vous utilisez User-Personalization-v2, chaque élément recommandé peut inclure une liste des raisons pour lesquelles l'élément a été inclus dans les recommandations. Les raisons possibles sont les suivantes :
-
Article sponsorisé : indique que l'article a été inclus dans le cadre d'une promotion que vous avez appliquée dans votre demande de recommandation.
-
Exploration — Indique que l'objet a été inclus dans l'exploration. Dans le cadre de l'exploration, les recommandations incluent des éléments présentant moins de données d'interactions ou de pertinence pour l'utilisateur. Pour plus d'informations sur l'exploration, voir Exploration.
-
Article populaire — Indique que l'article a été inclus en tant qu'objet populaire de remplacement. Si vous utilisez un filtre, en fonction du nombre de recommandations qu'il supprime, Amazon Personalize peut ajouter des éléments réservés
numResultspour répondre à votre demande de recommandation. Ces éléments sont des éléments populaires, basés sur les données d'interactions, qui répondent à vos critères de filtre. Ils n'ont pas de score de pertinence pour l'utilisateur.
