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。
維護建議相關性
相關建議可以隨著目錄的增長，提高應用程式的使用者參與度、點閱率和轉換率。若要為使用者維護和改善 Amazon Personalize 建議的相關性，請將您的資料和自訂資源保持在最新狀態。這可讓 Amazon Personalize 從使用者的最新行為中學習，並在建議中包含您的最新項目。
保持資料集最新
隨著目錄的增長，請使用大量或個別資料匯入作業來更新歷史資料。如需匯入歷史資料的詳細資訊，請參閱步驟 2：準備和匯入資料。如需訓練模型後匯入的資料如何影響建議的資訊，請參閱新資料如何影響即時推薦。
對於提供個人化即時建議的使用案例和配方，請讓您的項目互動資料集與使用者的行為保持最新狀態。通過記錄與事件跟踪器和 PutEvents API 操作的項目交互來執行此操作。Amazon Personalize 會根據使用者最近與目錄互動時的活動更新建議。如需即時個人化的相關資訊，請參閱即時個人化。如需記錄即時事件的詳細資訊，請參閱記錄即時事件以影響建議。
維護網域推薦
Amazon Personalize 化每 7 天自動重新訓練支持您的推薦人的模型。這是一項完整的重新訓練，會根據資料集中的整個資料建立全新的模型。如果您修改訓練中使用的資料欄，Amazon Personalize 會自動開始對支援您推薦人的模型進行完整的重新訓練。
-
對於「為您推薦的熱門精選」和「推薦給您的使用案例」，Amazon Personalize 會更新您的推薦人，以考慮新項目以取得建議。自動更新不是完整的重新訓練，其中模型會從使用者的行為中學習。相反地，自動更新可讓 Amazon Personalize 在推薦人下次完整重新訓練之前，在建議中展示您的新項目。如需有關自動更新的資訊，請參閱自動更新。
-
如果您使用「立即趨勢」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。您不必等待推薦人重新培訓。
雖然推薦人再培訓正在進行中，您仍然可以從推薦人那裡獲得建議。在重新訓練完成之前，建議程式會使用先前的組態和模型。若要追蹤更新，您可以在 Amazon Personalize 主控台的「推薦人詳細資料」頁面上檢視最新推薦人更新的時間戳記。或者，您可以從DescribeRecommender操作中查看latestRecommenderUpdate詳細信息。
維護自訂解決方
根據預設，所有新的解決方案都會使用自動訓練，每 7 天建立一個新的解決方案版本。訓練會繼續進行，直到刪除解決方案。
建立解決方案時，建議您使用自動訓練來管理解決方案版本建立。這使得維護您的解決方案更容易。它會移除解決方案從最新資料中學習所需的手動訓練。如果沒有自動訓練，您必須手動建立解決方案的新版本，以便從最新的資料中學習。如需有關配置自動訓練的更多資訊，請參閱設定自動訓練。
訓練頻率取決於您的業務需求、使用的配方，以及匯入資料的頻率。對於所有食譜，我們建議至少每週進行一次培訓。使用自動訓練時，這是預設的訓練頻率。如果您經常新增新項目或動作，則可能需要更高的訓練頻率，具體取決於您的方案。
-
如果您使用使用者個人化-第 2 版、使用者個人化或下一個最佳動作，解決方案會自動更新以考量建議的新項目或動作。自動更新與自動訓練不一樣。自動更新不會建立全新的解決方案版本，而且模型無法從您的最新資料中學習。為了維持您的解決方案，您的訓練頻率至少應該是每週一次。有關自動更新的更多形成，包括其他準則和要求，請參閱自動更新。
-
如果您使用趨勢-現在，Amazon Personalize 會在可設定的時間間隔內自動識別互動資料中最熱門的趨勢項目。趨勢-現在可以通過批量或流式交互數據推薦自上次培訓以來添加的項目。您的訓練頻率至少應該是每週一次。如需詳細資訊，請參閱 趨勢-現在食譜。
-
如果您沒有使用具有自動更新的食譜或趨勢現在方法，Amazon Personalize 只會在下次訓練後才會考慮新項目作為建議。例如，如果您使用「類似項目」方法，並且每天新增新項目，則必須使用每日訓練頻率，這些項目才會在同一天顯示在建議中。
