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。
# SIMS 配方
**注意**
所有 RELATED\$1ITEMS 配方都使用互動資料。如果您想要為模型設定更多超參數，請選擇 SIMS。[類似項目配方](native-recipe-similar-items.md) 如果您有項目中繼資料，並希望 Amazon Personalize 使用它來尋找類似的項目，請選擇 。
Item-to-item相似性 (SIMS) 配方使用協作篩選來建議與您在取得建議時指定的項目最相似的項目。SIMS 使用您的項目互動資料集，而不是顏色或價格等項目中繼資料，來判斷相似性。SIMS 會識別互動資料集中使用者歷史記錄中項目的共發性，以建議類似的項目。例如，使用 SIMS Amazon Personalize 可以建議經常一起購買的咖啡廳項目，或不同使用者也觀看的電影。
當您取得類似的項目建議時，您可以根據您在請求中指定的項目屬性來篩選項目。您可以透過將 `CurrentItem`.`attribute` 元素新增至篩選條件來執行此操作。如需範例，請參閱 [item data filter examples](item-recommendation-filter-examples.md#item-examples)。
若要使用 SIMS，您必須建立具有至少 1000 個唯一歷史和事件互動 （合併） 的項目互動資料集。產生建議時，SIMS 不會使用使用者或項目資料集中的資料。您仍然可以根據這些資料集中的資料來篩選建議。如需詳細資訊，請參閱[篩選建議和使用者客群](filter.md)。
如果項目的使用者行為資料不足，或找不到您提供的項目 ID，SIMS 會建議熱門項目。建立解決方案版本後，請務必將解決方案版本和資料保持在最新狀態。使用 SIMS，您必須手動為 Amazon Personalize 建立新的解決方案版本 （重新訓練模型），以考慮建議的新項目，並使用使用者的最新行為更新模型。然後，您必須使用解決方案版本更新任何行銷活動。如需詳細資訊，請參閱[維持建議相關性](maintaining-relevance.md)。
SIMS 配方具有下列屬性：
+ **名稱** – `aws-sims`
+ **配方 Amazon Resource Name (ARN)** – `arn:aws:personalize:::recipe/aws-sims`
+ **演算法 ARN** – `arn:aws:personalize:::algorithm/aws-sims`
+ **功能轉換 ARN** – `arn:aws:personalize:::feature-transformation/sims`
+ **配方類型** – `RELATED_ITEMS`
下表說明 SIMS 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。特徵化超參數可控制如何篩選要在訓練中使用的資料。選擇超參數最佳值的程序稱為超參數最佳化 (HPO)。如需詳細資訊，請參閱[超參數和 HPO](customizing-solution-config-hpo.md)。
該表格也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)
+ **HPO 可調整**：參數可以參與超參數最佳化 (HPO) 嗎？
| 名稱 | 描述 |
| --- | --- |
| 演算法超參數 |
| popularity\$1discount\$1factor | 設定熱門度如何影響建議。指定接近零的值，以包含更熱門的項目。指定更接近一個的值，以降低對熱門度的重視。 預設值：0.5 範圍：[0.0, 1.0] 值類型：浮點數 HPO 可調整：是 |
| min\$1cointeraction\$1count | 計算一組項目之間相似性所需的共同互動最低數量。例如，`3` 值表示您需要三個以上的使用者與這兩個項目互動，以計算其相似度。 預設值：3 範圍：[0, 10] 值類型：整數 HPO 可調整：是 |
| 特徵化超參數 |
| min\$1user\$1history\$1length\$1percentile | 要包含在模型訓練中的使用者歷史記錄長度的最小百分位數。*歷史記錄長度* 是使用者可用資料的總量。使用 `min_user_history_length_percentile` 排除歷史記錄長度較短的使用者百分比。歷史記錄短的使用者通常根據項目熱門程度顯示模式，而不是使用者的個人需求或想要顯示模式。移除它們可以訓練模型更專注於資料中的基礎模式。檢閱使用者歷史記錄長度後，請使用長條圖或類似的工具，選擇適當的值。我們建議設定保留大部分使用者的值，但移除邊緣案例。 預設值：0.005 範圍：[0.0, 1.0] 值類型：浮點數 HPO 可調整：否 |
| max\$1user\$1history\$1length\$1percentile | 要包含在模型訓練中的使用者歷史記錄長度的最大百分位數。歷史記錄長度是使用者可用資料的總量。使用 `max_user_history_length_percentile` 排除歷史記錄長度較長的使用者百分比。歷史較長的使用者通常包含噪音。例如，機器人可能有一長串的自動化互動。移除這些使用者會限制訓練中的噪音。使用長條圖或類似工具檢閱使用者歷史記錄長度後，請選擇適當的值。我們建議設定保留大部分使用者的值，但移除邊緣案例。 例如，`min_hist_length_percentile = 0.05` 和 `max_hist_length_percentile = 0.95` 包含所有使用者，但歷史記錄長度為最低或最高 5% 的使用者除外。 預設值：0.995 範圍：[0.0, 1.0] 值類型：浮點數 HPO 可調整：否 |
| min\$1item\$1interaction\$1count\$1percentile | 要包含在模型訓練中的項目互動計數的最小百分位數。使用 `min_item_interaction_count_percentile` 排除互動歷程記錄較短的項目百分比。歷史記錄較短的項目通常是新的項目。移除它們可以訓練模型更專注於具有已知歷史記錄的項目。檢閱使用者歷史記錄長度後，請使用長條圖或類似的工具，選擇適當的值。我們建議設定保留大部分項目的值，但移除邊緣案例。 預設值：0.01 範圍：[0.0, 1.0] 值類型：浮點數 HPO 可調整：否 |
| max\$1item\$1interaction\$1count\$1percentile | 要包含在模型訓練中的項目互動計數的最大百分位數。使用 `max_item_interaction_count_percentile` 排除互動歷程記錄很長的項目百分比。歷史記錄較長的項目通常會較舊且可能已過期。例如，已絕版的電影版本。移除這些項目可以著重於更相關的項目。使用長條圖或類似工具檢閱使用者歷史記錄長度後，請選擇適當的值。我們建議設定保留大部分項目但移除邊緣案例的值。 例如，`min_item_interaction_count_percentile = 0.05` 和 `max_item_interaction_count_percentile = 0.95` 包含所有項目，但互動計算在底部或頂端 5% 的項目除外。 預設值：0.9 範圍：[0.0, 1.0] 值類型：浮點數 HPO 可調整：否 |
## SIMS 範例筆記本
如需示範如何使用 SIMS 配方的 Jupyter 筆記本範例，請參閱[尋找類似項目 \$1 HPO](https://github.com/aws-samples/amazon-personalize-samples/blob/master/next_steps/core_use_cases/related_items/personalize_sims_example.ipynb)。