기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

추천 관련성 유지

관련 추천은 카탈로그가 커질수록 애플리케이션에 대한 사용자 참여, 클릭률 및 전환율을 높일 수 있습니다. Personalize 추천의 관련성을 유지하고 개선하려면 데이터와 사용자 지정 리소스를 최신 상태로 유지합니다. 이를 통해 Personalize는 사용자의 최근 행동을 학습하여 최신 항목을 추천에 포함시킬 수 있습니다.

데이터세트를 최신 상태로 유지

카탈로그가 커지면 대량 또는 개별 데이터 가져오기 작업을 통해 과거 데이터를 업데이트합니다. 과거 데이터 가져오기에 대한 자세한 내용은 Amazon Personalize 데이터세트로 교육 데이터 가져오기단원을 참조하세요. 모델을 학습시킨 후 가져오는 데이터가 추천에 미치는 영향에 대한 자세한 내용은 훈련 후 데이터셋의 데이터 업데이트단원을 참조하세요.

개인 맞춤형 실시간 추천을 제공하는 사용 사례와 레시피의 경우 항목 상호 작용 데이터 세트를 사용자 행동에 따른 최신 상태로 유지합니다. 이벤트 트래커 및 PutEvents API 작업과의 항목 상호 작용을 기록하면 됩니다. Personalize는 사용자가 카탈로그와 상호작용할 때 가장 최근 활동을 기반으로 추천을 업데이트합니다. 실시간 개인화에 대한 자세한 내용은 실시간 개인 맞춤단원을 참조하세요. 실시간 이벤트 기록에 대한 자세한 내용은 권장 사항에 영향을 미치기 위한 실시간 이벤트 기록단원을 참조하세요.

도메인 추천자 유지 관리

Personalize는 7일마다 추천자를 지원하는 모델을 자동으로 재학습합니다. 이는 데이터세트의 전체 데이터를 기반으로 완전히 새로운 모델을 생성하는 전체 재교육입니다. 학습에 사용된 열을 수정하면 Personalize이 추천자를 지원하는 모델의 전체 재학습을 자동으로 시작합니다.

추천자 재학습이 진행 중인 동안에도 추천자로부터 추천을 받을 수 있습니다. 재학습이 완료될 때까지 추천자는 이전 구성과 모델을 사용합니다. 업데이트를 추적하려면 Personalize 콘솔의 추천자 세부 정보 페이지에서 마지막 추천자 업데이트의 타임스탬프를 볼 수 있습니다. 또는 DescribeRecommender작업의 latestRecommenderUpdate세부 정보를 볼 수도 있습니다.

사용자 지정 솔루션 유지 관리

기본적으로 모든 새 솔루션은 자동 교육을 사용하여 7일마다 새 솔루션 버전을 생성합니다. 교육은 솔루션을 삭제할 때까지 계속됩니다.

솔루션을 만들 때는 자동 교육을 사용하여 솔루션 버전 생성을 관리하는 것이 좋습니다. 이렇게 하면 솔루션을 더 쉽게 유지 관리할 수 있습니다. 이를 통해 솔루션이 최신 데이터에서 학습하는 데 필요한 수동 교육을 생략할 수 있습니다. 자동 교육을 사용하지 않으면 솔루션이 최신 데이터에서 학습할 수 있도록 새 솔루션 버전을 수동으로 만들어야 합니다. 자동 학습 구성에 대한 자세한 내용은 을 참조하십시오자동 교육 구성.

교육 빈도는 비즈니스 요구 사항, 사용하는 레시피, 데이터 가져오기 빈도에 따라 달라집니다. 모든 레시피의 경우 최소 매주 교육을 받는 것이 좋습니다. 자동 훈련의 경우 이것이 기본 훈련 빈도입니다. 새 항목이나 동작을 자주 추가하는 경우 레시피에 따라 훈련 빈도를 높이는 것이 좋습니다.