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。
Personalized-Ranking-v2 配方
Personalized-Ranking-v2 配方會產生個人化項目排名。個人化排名是針對特定使用者依相關性重新排名的建議項目清單。如果您有一系列的排序項目，例如搜尋結果、促銷或精選清單，而且您想要為每個使用者提供個人化的重新排名，這會很有用。
Personalized-Ranking-v2 最多可訓練來自項目互動和項目資料集的 500 萬個項目。而且它會產生比 更低延遲的更精確排名個人化排名。
當您使用 Personalized-Ranking-v2 時，您可以指定要在 GetPersonalizedRanking API 操作中排名的項目。如果您指定沒有互動資料的項目，Amazon Personalize 會在 GetPersonalizedRanking API 回應中傳回這些項目，而沒有建議分數。
此配方使用以轉換器為基礎的架構來訓練模型，以學習內容並追蹤資料中的關係和模式。轉換器是一種神經網路架構，可將輸入序列轉換為或變更為輸出序列。對於 Amazon Personalize，輸入序列是使用者在您資料中的項目互動歷史記錄。輸出序列是他們的個人化建議。如需轉換器的詳細資訊，請參閱 AWS 雲端運算概念中樞中的什麼是人工智慧中的轉換器？
Personalized-Ranking-v2 使用與其他配方不同的定價模型。如需定價的詳細資訊，請參閱 Amazon Personalize 定價
配方功能
Personalized-Ranking-v2 在排名項目時使用下列 Amazon Personalize 配方功能：
-
即時個人化 – 透過即時個人化，Amazon Personalize 會根據使用者不斷變化的興趣更新和調整項目建議。如需詳細資訊，請參閱即時個人化。
-
中繼資料與建議 – 使用 Personalized-Ranking-v2 配方，如果您有項目資料集至少包含一欄中繼資料，行銷活動會自動選擇將項目中繼資料包含建議結果。您沒有手動啟用行銷活動的中繼資料。您可以使用中繼資料來豐富使用者介面中的建議，例如將電影的類型新增至輪跳功能。如需詳細資訊，請參閱建議中的項目中繼資料。
必要和選用的資料集
若要使用 Personalized-Ranking-v2，您必須建立項目互動資料集，並匯入至少 1000 個項目互動。Amazon Personalize 主要根據項目互動資料產生排名。如需詳細資訊，請參閱項目互動資料。Personalized-Ranking-v2 最多可跨項目互動和項目資料集訓練 500 萬個項目。
透過 Personalized-Ranking-v2，Amazon Personalize 可以使用包含下列項目的項目互動資料：
-
事件類型和事件值資料 – Amazon Personalize 使用事件類型資料，例如點擊或觀看事件類型，透過其行為中的任何模式來識別使用者意圖和興趣。此外，您可以在訓練前使用事件類型和事件值資料來篩選記錄。如需詳細資訊，請參閱事件類型和事件值資料。
注意
使用 Personalized-Ranking-v2，您的訓練成本取決於您的互動資料，然後再依事件類型或值進行篩選。如需定價的詳細資訊，請參閱 Amazon Personalize 定價
。 -
內容中繼資料 – 內容中繼資料是指您在事件發生時在使用者環境中收集的互動資料，例如其位置或裝置類型。如需詳細資訊，請參閱內容中繼資料。
下列資料集是選用的，可以改善建議：
屬性和超參數
Personalized-Ranking-v2 配方具有下列屬性：
-
名稱 –
aws-personalized-ranking-v2 -
配方 Amazon Resource Name (ARN) –
arn:aws:personalize:::recipe/aws-personalized-ranking-v2 -
演算法 ARN –
arn:aws:personalize:::algorithm/aws-personalized-ranking-v2
如需詳細資訊，請參閱選擇配方。
下表說明 Personalized-Ranking-v2 配方的超參數。超參數 是一種演算法參數，您可以調整以改善模型效能。演算法超參數可控制模型的執行方式。選擇超參數最佳值的程序稱為超參數最佳化 (HPO)。使用 Personalized-Ranking-v2，如果您開啟自動訓練，Amazon Personalize 會每 90 天自動執行 HPO。如果沒有自動訓練，則不會發生 HPO。
資料表提供每個超參數的下列資訊：
-
範圍：[下限、上限]
-
值類型：整數、連續 (浮點數)、分類 (布林值、清單、字串)
| 名稱 | 描述 |
|---|---|
| 演算法超參數 | |
apply_recency_bias |
決定模型是否應該為項目互動資料集中的最近項目互動資料提供更多權重。最新的互動資料可能包括互動事件基礎模式的突然變更。 若要訓練模型更多加權最近的事件，請將 預設值： 範圍： 值類型：布林值 HPO 可調整：否 |
