本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Amazon Personalize 中的实时商品推荐
如果您的用例或配方生成了商品推荐，那么在您创建推荐者或创建广告系列之后，您可以为用户实时获得个性化或相关的商品推荐。
如果您的域名用例或配方提供了实时个性化设置，例如您的首选用例或用户个性化-v2 配方，则在您记录用户与目录的互动时，Amazon Personalizational 会根据用户的最新活动更新推荐。有关记录实时事件和个性化设置的更多信息，请参阅记录实时事件以影响推荐。
当你获得实时商品推荐时，你可以执行以下操作：
-
如果您将活动配置为返回推荐商品的元数据，则可以指定要包含在GetRecommendationsAPI操作中的列。或者，您可以在使用 Amazon Personalize 控制台测试市场活动时指定列。有关代码示例，请参阅通过实时推荐获取项目元数据。有关为市场活动启用元数据的信息，请参阅推荐中的商品元数据。有关为推荐器启用元数据的信息，请参阅在 Amazon Personalize 中为域名推荐者启用推荐中的元数据。
-
对于某些用例和食谱，您可以在推荐请求中指定促销活动。推广 定义了其他业务规则，这些规则适用于可配置的建议物品子集。有关更多信息，请参阅 在实时推荐中推广商品。
-
您可以根据自定义条件筛选结果。例如，您可能不想推荐用户已经购买的产品，或者只推荐针对特定年龄段的物品。有关更多信息，请参阅 筛选建议和用户细分。
注意
如果您使用了 PERSONALIZED _ RANKING 自定义配方，请参阅获取个性化排名（自定义资源）。
推荐评分的工作原理（自定义资源）
借助 User-Personalization-v 2 和用户个性化配方，Amazon Personalize 会根据用户的互动数据和元数据为项目生成分数。这些分数表示 Amazon Personalize 对于用户是否与接下来的物品交互的相对确定性。分数越高，意味着确定性越大。
注意
Amazon Personalize 不会显示域名推荐者、SIMS类似商品或人气计数食谱的分数。有关 Personalized-Ranking 建议分数的信息，请参阅 个性化排名评分的工作原理。
Amazon Personalize 会按从 0 到 1（包括两者）的等级生成商品的相对分数。如果是 User-Personalization-v 2，Amazon Personalize 会为您的一部分商品生成分数。通过用户个性化设置，Amazon Personalize 会对您目录中的所有商品进行评分。
如果您使用 User-Personalization-v 2 并对推荐应用筛选条件，则根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符商品。它这样做是numResults为了满足您的推荐请求。根据交互数据量，这些项目是符合筛选条件的热门项目。他们没有针对用户的相关性分数。
对于 User-Personalization-v 2 和用户个性化设置，所有分数的总和等于 1。例如，如果您正在为用户获取电影推荐，并且有三部电影出现在项目数据集和互动数据集中，则它们的分数可能是0.60.3、和0.1。同样，如果你的库存中有 10,000 部电影，则得分最高的电影的分数可能非常低（平均分数为.001），但是，由于得分是相对的，因此推荐仍然有效。
在数学术语中，每个用户项目对 (u, i) 的分数是根据以下公式计算的，其中exp是指数函数，w 和 wi/分别j是用户嵌入和项目嵌入，希腊字母 sigma (σ) 表示所有分数项的总和：u
User-Personalization-v2 的推荐理由
如果您使用 User-Personalization-v 2，则模型通常不推荐的项目会包含一个reason清单。这些原因解释了为什么将该项目包含在推荐中。可能的原因包括以下几点：
-
促销商品 — 表示该商品已包含在您在推荐请求中应用的促销活动中。
-
探索-表示该物品已包含在探索中。在探索中，推荐包括互动数据较少或与用户相关性较少的项目。有关探索的更多信息，请参阅探索。
-
热门商品 — 表示该项目已作为占位符热门商品包括在内。如果您使用筛选条件，则根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符项目以满足您的推荐请求。
numResults根据互动数据，这些项目是符合筛选条件的热门项目。他们没有针对用户的相关性分数。
