기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Personalize의 실시간 항목 추천
사용 사례 또는 레시피에서 항목 추천을 생성하는 경우 [추천자를 생성](creating-recommenders.md)하거나 [캠페인을 생성](campaigns.md)한 후 사용자를 위한 실시간 개인화 또는 관련 항목 추천을 받을 수 있습니다.
도메인 사용 사례 또는 레시피에서 [실시간 개인 맞춤](use-case-recipe-features.md#about-real-time-personalization)(예: *가장 적합한 추천 제품* 사용 사례 또는 *User-Personalization-v2* 레시피)을 제공하는 경우, Amazon Personalize는 사용자가 카탈로그와 상호 작용을 기록할 때 사용자의 가장 최근 활동을 기반으로 추천을 업데이트합니다. 실시간 이벤트 기록 및 개인화에 대한 자세한 내용은 [추천 사항에 영향을 미치기 위한 실시간 이벤트 기록](recording-events.md)단원을 참조하세요.
실시간 항목 추천을 받으면 다음을 수행할 수 있습니다.
+ 추천 항목에 대한 메타데이터를 반환하도록 캠페인을 구성한 경우, [GetRecommendations](API_RS_GetRecommendations.md) API 작업에 포함할 열을 지정할 수 있습니다. 또는 Amazon Personalize 콘솔로 캠페인을 테스트할 때 열을 지정할 수 있습니다. 코드 샘플은 [실시간 추천 사항을 사용하여 항목 메타데이터 가져오기](getting-recommendations-with-metadata.md) 단원을 참조하세요. 캠페인의 메타데이터 활성화에 대한 자세한 내용은 [추천에서 항목 메타데이터](campaigns.md#create-campaign-return-metadata) 섹션을 참조하세요. 추천자의 메타데이터 활성화에 대한 자세한 내용은 [Amazon Personalize에서 도메인 추천자에 대한 추천에서 메타데이터 활성화](create-recommender-return-metadata.md) 섹션을 참조하세요.
+ 일부 사용 사례 및 레시피의 경우 추천 요청에 홍보를 지정할 수 있습니다. 홍보는 추천 항목의 구성 가능한 하위 집합에 적용되는 추가 비즈니스 규칙을 정의합니다.** 자세한 내용은 [실시간 추천의 항목 홍보](promoting-items.md) 섹션을 참조하세요.
+ 사용자 지정 기준에 따라 결과를 필터링할 수 있습니다. 예를 들어 사용자가 이미 구매한 제품은 추천하지 않거나 특정 연령대에 맞는 제품만 추천하고 싶을 수 있습니다. 자세한 내용은 [추천 및 사용자 세그먼트 필터링](filter.md) 섹션을 참조하세요.
**참고**
PERSONALIZED\_RANKING 사용자 지정 레시피를 사용한 경우 [개인 맞춤형 순위 받기(사용자 지정 리소스)](rankings.md)단원을 참조하세요.
**Topics**
+ [추천 사항 점수 산정 방법(사용자 지정 리소스)](#how-recommendation-scoring-works)
+ [User-Personalization-v2를 사용한 추천 이유](#recommendation-reasons)
+ [실시간 항목 추천 받기](getting-real-time-item-recommendations.md)
+ [실시간 추천 사항을 사용하여 항목 메타데이터 가져오기](getting-recommendations-with-metadata.md)
+ [실시간 추천의 항목 홍보](promoting-items.md)
## 추천 사항 점수 산정 방법(사용자 지정 리소스)
Amazon Personalize는 User-Personalization-v2 및 User-Personalization 레시피를 사용하여 사용자의 상호작용 데이터 및 메타데이터를 기반으로 항목에 대한 점수를 생성합니다. 이들 점수는 사용자가 다음에 해당 항목과 상호작용할 것인지 여부에 대해 Personalize가 갖고 있는 상대적 확실성을 나타냅니다. 점수가 높을수록 확실성이 높아집니다.
**참고**
Personalize는 도메인 추천자 또는 유사-항목, SIMS 또는 인기도-집계 레시피에 대한 점수는 표시하지 않습니다. 개인 맞춤형-순위 추천 점수에 대한 자세한 내용은 [개인 맞춤형 순위 점수 매기기의 작동 방식](rankings.md#how-ranking-scoring-works)단원을 참조하세요.
Amazon Personalize는 0\~1(둘 다 포함)의 척도로 서로에 대한 항목의 점수를 생성합니다. User-Personalization-v2를 통해 Amazon Personalize는 항목의 하위 집합에 대한 점수를 생성합니다. User-Personalization을 통해 Amazon Personalize는 카탈로그의 모든 항목을 채점합니다.
User-Personalization-v2를 사용하고 추천에 필터를 적용하는 경우 필터가 제거하는 추천 수에 따라 Amazon Personalize가 자리 표시자 항목을 추가할 수 있습니다. 추천 요청에 대한 `numResults`를 충족하기 위해 이 작업을 수행합니다. 이러한 항목은 상호 작용 데이터의 양에 따라 필터 기준을 충족하는 인기 있는 항목입니다. 사용자에 대한 관련성 점수가 없습니다.
User-Personalization-v2와 User-Personalization의 경우 모든 점수의 합계는 1입니다. 예를 들어, 사용자에 대한 영화 추천을 가져오려는 경우 항목 데이터세트 및 상호 작용 데이터세트에 영화가 세 개 표시되면 해당 점수는 `0.6`, `0.3` 및 `0.1`이 될 수 있습니다. 마찬가지로, 인벤토리에 10,000개의 영화가 있는 경우 가장 높은 점수를 받은 영화에 매우 적은 수의 점수가 있을 수 있지만(평균 점수는 `.001`), 점수는 상대적이므로 추천은 여전히 유효합니다.
수학적 용어로 각 사용자-항목 쌍(u,i)의 점수는 다음 공식에 따라 계산되는데, 여기서 `exp`는 지수 함수이고, w̅u 및 wi/j는 각각 사용자 및 항목 임베딩이며, 그리스 문자 시그마(Σ)는 다음 점수를 가진 모든 항목에 대한 합계를 나타냅니다.
## User-Personalization-v2를 사용한 추천 이유
User-Personalization-v2를 사용하는 경우 모델이 일반적으로 추천하지 않는 항목에는 `reason` 목록이 포함됩니다. 이러한 이유는 항목이 추천 사항에 포함된 이유를 설명합니다. 가능한 이유는 다음과 같습니다.
+ 프로모션된 항목 - 추천 요청에 적용한 프로모션의 일부로 항목이 포함되었음을 나타냅니다.
+ 탐색 - 항목이 탐색에 포함되었음을 나타냅니다. 탐색을 통해 상호작용 데이터가 적거나 사용자에 대한 관련성이 낮은 항목이 추천에 포함됩니다. 탐색에 대한 자세한 내용은 [탐색](https://docs.aws.amazon.com/personalize/latest/dg/use-case-recipe-features.html#about-exploration) 섹션을 참조하세요.
+ 인기 항목 - 항목이 자리 표시자 인기 항목으로 포함되었음을 나타냅니다. 필터를 사용하는 경우 필터가 제거하는 추천 사항 수에 따라 Amazon Personalize는 추천 요청에 대한 `numResults`를 충족하기 위해 자리 표시자 항목을 추가할 수 있습니다. 이러한 항목은 상호 작용 데이터를 기반으로 필터 기준을 충족하는 인기 있는 항목입니다. 사용자에 대한 관련성 점수가 없습니다.