本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

建立解決方案

您可以使用 Amazon Personalize 主控台 AWS Command Line Interface (AWS CLI) 或 AWS SDKs建立自訂解決方案。下列包含使用 Amazon Personalize 主控台建立解決方案的詳細步驟，以及示範如何建立僅包含必要欄位的解決方案的程式碼範例。

建立解決方案 （主控台）

若要在主控台中建立解決方案，請選擇資料集群組，然後指定解決方案名稱、配方和選用的訓練組態。

建立解決方案 (AWS CLI)

若要使用 建立解決方案 AWS CLI，請使用 create-solution命令。此命令使用 CreateSolution API 操作。下列程式碼說明如何建立使用自動訓練的解決方案。它會每五天自動建立新的解決方案版本。

若要使用程式碼，請更新以為解決方案命名、指定資料集群組的 Amazon Resource Name (ARN)、選擇性地變更訓練頻率，以及指定要使用的配方 ARN。如需配方的詳細資訊，請參閱選擇配方。

aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"

建立解決方案後，請記錄解決方案 ARN 以供日後使用。透過自動訓練，解決方案版本建立會在解決方案為 ACTIVE 後的一小時內開始。如果您在小時內手動建立解決方案版本，解決方案會略過第一個自動訓練。訓練開始後，您可以使用 ListSolutionVersions API 操作取得解決方案版本的 Amazon Resource Name (ARN)。若要取得其狀態，請使用 DescribeSolutionVersion API 操作。

當解決方案版本為 ACTIVE 時，您就可以使用它來取得建議。使用作用中解決方案版本的方式取決於如何取得建議：

建立解決方案AWS SDKs)

若要使用 AWS SDKs建立解決方案，請使用 CreateSolution API 操作。下列程式碼說明如何建立使用自動訓練的解決方案。它會每五天自動建立新的解決方案版本。

若要使用程式碼，請將其更新為提供解決方案名稱、指定資料集群組的 Amazon Resource Name (ARN)、選擇性地變更訓練頻率，以及指定您要使用的配方 ARN。如需配方的詳細資訊，請參閱選擇配方。

SDK for Python (Boto3)

import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  performAutoTraining = True,
  solutionConfig = {
    "autoTrainingConfig": {
      "schedulingExpression": "rate(5 days)"
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)

SDK for JavaScript v3

import {
  CreateSolutionCommand,
  PersonalizeClient,
} from "@aws-sdk/client-personalize";

// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });

// set the solution parameters
export const solutionParam = {
  datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
  recipeArn: "RECIPE_ARN" /* required */,
  name: "SOLUTION_NAME" /* required */,
  performAutoTraining: true /* optional, default is true */,
  solutionConfig: {
    autoTrainingConfig: {
      schedulingExpression:
        "rate(5 days)" /* optional, default is every 7 days */,
    },
  },
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(
      new CreateSolutionCommand(solutionParam)
    );
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

建立解決方案後，請記錄解決方案 ARN 以供日後使用。透過自動訓練，解決方案版本建立會在解決方案為 ACTIVE 後的一小時內開始。如果您在小時內手動建立解決方案版本，解決方案會略過第一個自動訓練。訓練開始後，您可以使用 ListSolutionVersions API 操作取得解決方案版本的 Amazon Resource Name (ARN)。若要取得其狀態，請使用 DescribeSolutionVersion API 操作。

您可以使用下列 Python 程式碼等待自動訓練開始。wait_for_training_to_start 方法會傳回第一個解決方案版本的 ARN。

import time
import boto3


def wait_for_training_to_start(new_solution_arn):
    max_time = time.time() + 3 * 60 * 60    # 3 hours
    while time.time() < max_time:
        list_solution_versions_response = personalize.list_solution_versions(
            solutionArn=new_solution_arn
        )
        solution_versions = list_solution_versions_response.get('solutionVersions', [])
        if solution_versions:
            new_solution_version_arn = solution_versions[0]['solutionVersionArn']
            print(f"Solution version ARN: {new_solution_version_arn}")
            return new_solution_version_arn
        else:
            print(f"Training hasn't started yet. Training will start within the next hour.")
            time.sleep(60)


personalize = boto3.client('personalize')

solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)

當解決方案版本為 ACTIVE 時，您就可以使用它來取得建議。使用作用中解決方案版本的方式取決於如何取得建議：