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 Command Line Interface （AWS CLI） 或 ，從 Amazon Personalize 推薦工具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，您可以在推薦程式 （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/在家開啟 Amazon Personalize 主控台並登入您的帳戶。

  2. 選擇包含您正在使用行銷活動或推薦程式的資料集群組。

  3. 在導覽窗格中，選擇 Campaigns 或 Recommenders 。

  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。對於推薦人，請選擇測試推薦人，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 （匿名使用者） 之前為他們記錄事件，您可以從sessionId這些事件提供 以取得建議，就像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱 記錄匿名使用者的事件。

  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，請參閱增加與內容中繼資料的建議關聯性。

  8. 如果您在行銷活動或建議程式的建議中啟用中繼資料，請在項目資料集資料欄 中，選擇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資訊，請參閱 建議中的項目中繼資料。如需為推薦者啟用中繼資料的資訊，請參閱 在建議中為 Amazon Personalize 網域推薦人啟用中繼資料。

  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該項目包含在建議中的原因清單。如需詳細資訊，請參閱具有 User-Personalization-v2 的建議原因。

取得項目建議 （AWS CLI）

使用下列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該項目包含在建議中的原因清單。如需詳細資訊，請參閱具有 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。預設值為 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 （匿名使用者） 之前為他們記錄事件，您可以從sessionId這些事件提供 以取得建議，就像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱 記錄匿名使用者的事件。

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

取得項目建議 （AWS SDKs）

下列程式碼顯示如何透過 取得 行銷活動的 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該項目包含在建議中的原因清單。如需詳細資訊，請參閱具有 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。預設值為 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程式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 包含具有建議的項目中繼資料 （AWS SDKs）。如需有關啟用中繼資料的資訊，請參閱 建議中的項目中繼資料。

如果您在使用者登入 （匿名使用者） 之前為他們記錄事件，您可以從這些事件提供 sessionId 以取得建議，就像是他們的 一樣userId。如需記錄匿名使用者事件的詳細資訊，請參閱 記錄匿名使用者的事件。

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();