選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

新資料如何影響即時建議 - Amazon Personalize

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。

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。

新資料如何影響即時建議

建立建議程式或自訂解決方案版本後,新資料如何影響即時建議取決於資料類型、匯入方法,以及您使用的網域使用案例或自訂配方。下列各節說明新資料如何影響下一次訓練之前的即時建議。

訓練可以是推薦者的每週自動訓練,或是自動或手動建立解決方案版本。對於使用使用者個人化進行手動訓練,請省略 trainingMode 以使用預設FULL訓練模式。

新的互動

新互動是您在最新訓練後匯入的項目或動作互動。對於即時和大量資料,如果互動涉及新的項目或動作,Amazon Personalize 可能會將其視為建議,而不需要訓練您的配方或使用案例特徵探索。如需詳細資訊,請參閱 新項目新的 動作

即時事件

對於具有即時個人化功能的使用案例和配方,Amazon Personalize 會立即在使用者與最新訓練中出現的項目或動作之間使用即時互動。為使用者產生建議時,Amazon Personalize 會使用這些即時互動。如需即時個人化的詳細資訊,請參閱 即時個人化

對於沒有即時個人化功能的任何網域使用案例和自訂配方,例如建議類似的項目,您的模型只會在訓練後從即時互動資料中學習。

大量互動

對於大量互動,對於增量完整資料集匯入任務,您的模型只會在下一次訓練後從大量項目互動或動作互動資料中學習。大量資料不會用於更新即時個人化的建議。

如需匯入更多大量資料的詳細資訊,請參閱使用資料集匯入任務將大量資料匯入 Amazon Personalize

新項目

新項目是您在最新訓練後匯入的項目。它們可以來自項目資料集中的互動資料或項目中繼資料。

建議會考慮新項目,如下所示:

  • 對於您的最佳選擇,以及為您網域案例或 User-Personalization-v2、User-Personalization 或 Next-Best-Action 配方的建議,Amazon Personalize 會每兩小時自動更新模型。每次更新後,Amazon Personalize 會將建議的新項目視為探索的一部分。考慮新項目時,Amazon Personalize 會考慮項目的任何中繼資料。不過,只有在您記錄項目的互動並訓練新模型之後,此資料才會對建議產生更大的影響。如需更新的相關資訊,請參閱 自動更新

  • 如果您現在使用趨勢使用案例,Amazon Personalize 會每兩小時自動評估您的互動資料,並識別趨勢項目。您不需要等待推薦者進行訓練。如果您使用 Trending-Now 配方,Amazon Personalize 會自動在可設定的間隔內考慮所有新項目,無需訓練。如需設定間隔的資訊,請參閱 流行趨勢配方

  • 如果您不使用 Trending-Now 配方,或您的使用案例或配方不支援自動更新,Amazon Personalize 只會在下次訓練後考慮新的項目。

新使用者

新使用者是您在最新訓練後匯入的使用者。它們可以來自使用者資料集中的互動資料或使用者中繼資料。對於新的匿名使用者 (沒有 userId 的使用者),您可以使用 為使用者記錄事件,sessionIdAmazon Personalize 會在使用者登入之前將事件與使用者建立關聯。如需詳細資訊,請參閱記錄匿名使用者的事件

Amazon Personalize 會為新使用者產生建議,如下所示:

  • 如果您使用 Trending Now 網域使用案例或 Trending-Now 自訂配方,新使用者會立即收到熱門趨勢項目的建議。如果您使用熱門計數配方,新使用者會立即收到互動次數最多的項目建議。

  • 對於為使用者提供個人化建議的配方或使用案例,新使用者的建議是根據現有使用者的早期互動歷史記錄。這些現有使用者與之互動的第一個項目或動作較可能建議新使用者使用。對於使用者個人化或個人化排名配方,如果您recency_mask將 設定為 true,建議也會包含互動資料中最新熱門趨勢的項目。

下列內容可以提高新使用者的建議關聯性:

  • 互動資料 – 改善新使用者建議相關性的主要方法是從他們與您的項目互動匯入資料。如需有關新互動資料如何影響建議的資訊,請參閱 新的互動

  • 使用者中繼資料 – 匯入 GENDER 或 MEMBERSHIP_STATUS 等使用者中繼資料可以改善建議。若要讓中繼資料影響建議,您必須等待網域推薦者的每週自動重新訓練完成。或者,您必須手動建立新的解決方案版本。

  • 內容中繼資料 – 如果您的使用案例或配方支援內容中繼資料,且您的項目互動資料集具有內容資料的中繼資料欄位,您可以在請求中提供使用者的內容以供建議。這不需要重新訓練。如需詳細資訊,請參閱提高與內容中繼資料的建議相關性

新的 動作

新動作是您自上次訓練以來匯入的動作。它們可能來自動作互動資料或動作資料集中的動作。

使用 Next-Best-Action 配方,Amazon Personalize 每兩小時自動更新一次解決方案版本。每次更新後,Amazon Personalize 會將建議的新動作視為探索的一部分。在考慮新動作時,Amazon Personalize 會考慮動作的任何中繼資料。不過,只有在您記錄動作的動作互動並完全重新訓練之後,此資料才會對建議產生更大的影響。如需更新的相關資訊,請參閱 自動更新

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。