取得即時項目建議 - Amazon Personalize
取得項目建議 （主控台）取得項目建議 (AWS CLI)取得項目建議 (AWS SDKs)

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。

取得即時項目建議

您可以透過 Amazon Personalize 主控台 (AWS CLI) AWS Command Line Interface 或 ，從 Amazon Personalize 推薦者或自訂行銷活動取得即時項目建議 AWS SDKs。

取得項目建議 （主控台）

若要取得 Amazon Personalize 主控台的建議，請在建議者 （網域資料集群組） 或自訂行銷活動的詳細資訊頁面上提供請求資訊。

取得建議

  1. https://console.aws.amazon.com/personalize/在家中開啟 Amazon Personalize 主控台並登入您的帳戶。

  2. 選擇包含您正在使用之行銷活動或建議程式的資料集群組。

  3. 在導覽窗格中，選擇行銷活動或建議者。

  4. 選擇目標行銷活動或推薦者。

  5. 對於行銷活動，在測試行銷活動結果下，根據您使用的配方輸入您的建議請求詳細資訊。針對建議者，選擇測試建議者，並根據您的使用案例輸入您的建議請求詳細資訊。

    如果您在使用者登入之前記錄了他們的事件 （匿名使用者），您可以從這些事件提供 sessionId 來取得該使用者的建議，就好像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱為匿名使用者記錄事件。

  6. 選擇性地選擇篩選條件。如需詳細資訊，請參閱篩選建議和使用者區段。

  7. 如果您使用內容中繼資料，請提供每個內容的資料。針對每個內容，針對金鑰輸入中繼資料欄位。針對值輸入內容資料。如需詳細資訊，請參閱提高與內容中繼資料的建議相關性。

  8. 如果您在行銷活動或建議者的建議中啟用中繼資料，請在項目資料集資料欄選擇您要包含在建議結果中的中繼資料資料欄。如需啟用行銷活動中繼資料的詳細資訊，請參閱 建議中的項目中繼資料。如需啟用建議程式中繼資料的詳細資訊，請參閱 在 Amazon Personalize 中為網域建議程式啟用建議中的中繼資料。

  9. 如果您想要提升項目子集，請選擇性地完成提升欄位。如需詳細資訊，請參閱 在即時建議中提升項目。

  10. 選擇 Get recommendations (取得建議)。顯示包含使用者前 25 個建議項目的資料表。如果您使用 User-Personalization-v2，則每個建議項目都會包含項目包含在建議中的原因清單。如需詳細資訊，請參閱使用 User-Personalization-v2 的建議原因。

取得項目建議 (AWS CLI)

使用以下程式碼從行銷活動取得建議。若要從建議程式取得建議，請將 campaign-arn 參數取代為 recommender-arn。

指定您要取得建議的 使用者 ID，以及行銷活動或推薦者的 Amazon Resource Name (ARN)。使用者前 10 個建議項目的清單隨即顯示。如果您使用 User-Personalization-v2，則每個建議項目都會包含項目包含在建議中的原因清單。如需詳細資訊，請參閱使用 User-Personalization-v2 的建議原因。

若要變更建議項目的數量，請變更 的值numResults。預設為 25 個項目。上限為 500 個項目。如果您使用 RELATED_ITEMS 配方來訓練支援行銷活動的解決方案版本，請將 user-id 參數取代為 ，item-id並指定項目 ID。

如果您在使用者登入之前記錄了他們的事件 （匿名使用者），您可以從這些事件提供 sessionId 來取得該使用者的建議，就好像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱為匿名使用者記錄事件。

aws personalize-runtime get-recommendations \
--campaign-arn campaign arn \
--user-id User ID \
--num-results 10

取得項目建議 (AWS SDKs)

下列程式碼說明如何使用 從行銷活動取得使用者的 Amazon Personalize 建議 AWS SDKs。若要從建議程式取得建議，請將 campaignArn 參數取代為 recommenderArn。

指定您要取得建議的 使用者 ID，以及行銷活動或推薦者的 Amazon Resource Name (ARN)。使用者前 10 個建議項目的清單隨即顯示。如果您使用 User-Personalization-v2，則每個建議項目都會包含項目包含在建議中的原因清單。如需詳細資訊，請參閱使用 User-Personalization-v2 的建議原因。

若要變更建議項目的數量，請變更 的值numResults。預設為 25 個項目。上限為 500 個項目。如果您使用 RELATED_ITEMS 配方來訓練支援行銷活動的解決方案版本，請將 userId 參數取代為 ，itemId並指定項目 ID。

如果您在行銷活動或建議者的建議中啟用中繼資料，您可以指定要包含在回應中的項目資料集中繼資料欄。如需程式碼範例，請參閱 包含項目中繼資料與建議 (AWS SDKs)。如需啟用中繼資料的詳細資訊，請參閱 建議中的項目中繼資料。

如果您在使用者登入之前記錄了他們的事件 （匿名使用者），您可以從這些事件提供 sessionId 來取得該使用者的建議，就好像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱為匿名使用者記錄事件。

SDK for Python (Boto3)
import boto3

personalizeRt = boto3.client('personalize-runtime')

response = personalizeRt.get_recommendations(
    campaignArn = 'Campaign ARN',
    userId = 'User ID',
    numResults = 10
)

print("Recommended items")
for item in response['itemList']:
    print (item['itemId'])
SDK for Java 2.x
    public static void getRecs(PersonalizeRuntimeClient personalizeRuntimeClient, String campaignArn, String userId) {

        try {
            GetRecommendationsRequest recommendationsRequest = GetRecommendationsRequest.builder()
                    .campaignArn(campaignArn)
                    .numResults(20)
                    .userId(userId)
                    .build();

            GetRecommendationsResponse recommendationsResponse = personalizeRuntimeClient
                    .getRecommendations(recommendationsRequest);
            List<PredictedItem> items = recommendationsResponse.itemList();
            for (PredictedItem item : items) {
                System.out.println("Item Id is : " + item.itemId());
                System.out.println("Item score is : " + item.score());
            }

        } catch (AwsServiceException e) {
            System.err.println(e.awsErrorDetails().errorMessage());
            System.exit(1);
        }
    }
SDK for JavaScript v3
// Get service clients module and commands using ES6 syntax.
import { GetRecommendationsCommand } from "@aws-sdk/client-personalize-runtime";

import { personalizeRuntimeClient } from "./libs/personalizeClients.js";
// Or, create the client here.
// const personalizeRuntimeClient = new PersonalizeRuntimeClient({ region: "REGION"});

// Set the recommendation request parameters.
export const getRecommendationsParam = {
  campaignArn: "CAMPAIGN_ARN" /* required */,
  userId: "USER_ID" /* required */,
  numResults: 15 /* optional */,
};

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