쿠키 기본 설정 선택

당사는 사이트와 서비스를 제공하는 데 필요한 필수 쿠키 및 유사한 도구를 사용합니다. 고객이 사이트를 어떻게 사용하는지 파악하고 개선할 수 있도록 성능 쿠키를 사용해 익명의 통계를 수집합니다. 필수 쿠키는 비활성화할 수 없지만 '사용자 지정' 또는 ‘거부’를 클릭하여 성능 쿠키를 거부할 수 있습니다.

사용자가 동의하는 경우 AWS와 승인된 제3자도 쿠키를 사용하여 유용한 사이트 기능을 제공하고, 사용자의 기본 설정을 기억하고, 관련 광고를 비롯한 관련 콘텐츠를 표시합니다. 필수가 아닌 모든 쿠키를 수락하거나 거부하려면 ‘수락’ 또는 ‘거부’를 클릭하세요. 더 자세한 내용을 선택하려면 ‘사용자 정의’를 클릭하세요.

개인 맞춤형 순위 받기(사용자 지정 리소스) - Personalize

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

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

개인 맞춤형 순위 받기(사용자 지정 리소스)

개인 맞춤형 순위는 특정 사용자에 맞춰 순위가 다시 지정된 추천 항목의 목록입니다. 개인 맞춤형 순위를 받으려면 GetPersonalizedRankingAPI 작업을 호출하거나 콘솔의 캠페인으로부터 추천을 받습니다.

참고

캠페인을 지원하는 솔루션은 PERSONALIZED_RANKING 유형 레시피를 사용하여 생성한 것이어야 합니다. 자세한 내용은 레시피 선택단원을 참조하세요.

개인 맞춤형 순위 점수 매기기의 작동 방식

User-Personalization-v2 및 User-Personalization 레시피로 생성된 솔루션에 대해 GetRecommendations 작업에서 반환된 점수와 마찬가지로 GetPersonalizedRanking 점수 합계는 1이지만 입력 항목만 점수를 받고 추천 점수는 더 높은 경향이 있습니다. 최근 훈련 중에 항목이 없는 경우 0점을 받습니다.

수학적으로 GetPersonalizedRanking에 대한 점수 집계 함수는 입력 항목만 고려한다는 점을 제외하고 GetRecommendations와 동일합니다. 다시 말해서, 점수를 나눌 다른 선택 항목 수가 적기 때문에 점수가 1에 가까울수록 나올 가능성이 더 높습니다.

순위의 각 항목에 대한 점수를 계산하는 데 사용되는 공식을 보여줍니다.

개인 맞춤형-순위 샘플 노트북

개인 맞춤형-순위 레시피를 사용하는 방법을 보여주는 Jupyter 노트북 샘플은 Personalize 순위 예제 단원을 참조하세요.

프라이버시사이트 이용 약관쿠키 기본 설정
© 2025, Amazon Web Services, Inc. 또는 계열사. All rights reserved.