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。

# User-Personalization-v2 配方
<a name="native-recipe-user-personalization-v2"></a>

User-Personalization-v2 (aws-user-personalization-v2) 配方建議使用者會根據其偏好設定與之互動的項目。例如，您可以使用 User-Personalization-v2 來產生串流應用程式的個人化電影建議，或零售應用程式的個人化產品建議。其他使用案例包括為新聞網站產生即時建議，或為個人化行銷活動產生批次建議。

 User-Personalization-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 更低延遲的相關建議[使用者個人化](native-recipe-new-item-USER_PERSONALIZATION.md)。

 由於 User-Personalization-v2 根據您的資料建議最相關的項目給使用者，因此更常建議具有互動資料的現有項目。為了確保建議包含新項目，您可以使用根據建立時間戳記包含一些項目的提升。如需促銷的詳細資訊，請參閱 [在即時建議中提升項目](promoting-items.md)。

 此配方使用轉換器型架構來訓練模型，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，可將輸入序列轉換或變更為輸出序列。對於 Amazon Personalize，輸入序列是您資料中的使用者項目互動歷史記錄。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？](https://aws.amazon.com/what-is/transformers-in-artificial-intelligence/)。

User-Personalization-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](https://aws.amazon.com/personalize/pricing/)。

**Topics**
+ [配方功能](#user-personalization-v2-features)
+ [必要和選用的資料集](#user-personalization-v2-datasets)
+ [屬性和超參數](#user-personalization-v2-hyperparameters)

## 配方功能
<a name="user-personalization-v2-features"></a>

產生項目建議時，User-Personalization-v2 使用以下 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](use-case-recipe-features.md#about-real-time-personalization)。
+ 探勘 – 透過探勘，建議包括互動資料較少或與使用者相關的項目。使用 User-Personalization-v2，Amazon Personalize 會為您處理探勘組態。若要確保建議包含新項目，您可以使用促銷來根據新項目的建立時間戳記來包含新項目。如需促銷的詳細資訊，請參閱 [在即時建議中提升項目](promoting-items.md)。
+ 自動更新 – 透過自動更新，Amazon Personalize 會每兩小時自動更新最新的模型 （解決方案版本），以考慮提供建議的新項目。如需詳細資訊，請參閱[自動更新](use-case-recipe-features.md#automatic-updates)。
+  中繼資料與建議 – 使用 User-Personalization-v2 配方，如果您的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](campaigns.md#create-campaign-return-metadata)。

## 必要和選用的資料集
<a name="user-personalization-v2-datasets"></a>

若要使用 User-Personalization-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建議。如需詳細資訊，請參閱[項目互動資料](interactions-datasets.md)。User-Personalization-v2 最多可跨項目互動和項目資料集訓練 500 萬個項目。

透過 User-Personalization-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，例如點選或監看事件類型，透過其行為中的任何模式來識別使用者意圖和興趣。此外，您可以在訓練之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](interactions-datasets.md#event-type-and-event-value-data)。
**注意**  
使用 User-Personalization-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](https://aws.amazon.com/personalize/pricing/)。
+ 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](interactions-datasets.md#interactions-contextual-metadata)。

 下列資料集是選用的，可以改善建議：
+ 使用者資料集 – Amazon Personalize 可以使用您的使用者資料集中的資料來更好地了解您的使用者及其興趣。您也可以使用使用者資料集中的資料來篩選建議。如需有關您可以匯入之使用者資料的資訊，請參閱 [使用者中繼資料](users-datasets.md)。
+ 項目資料集 – Amazon Personalize 可以使用項目資料集中的資料來識別其行為中的連線和模式。這有助於 Amazon Personalize 了解您的使用者及其興趣。您也可以使用項目資料集中的資料來篩選建議。如需有關您可以匯入之項目資料的資訊，請參閱 [項目中繼資料](items-datasets.md)。

## 屬性和超參數
<a name="user-personalization-v2-hyperparameters"></a>

User-Personalization-v2 配方具有下列屬性：
+  **名稱** – `aws-user-personalization-v2`
+  **配方 Amazon Resource Name (ARN)** – `arn:aws:personalize:::recipe/aws-user-personalization-v2`
+  **演算法 ARN** – `arn:aws:personalize:::algorithm/aws-user-personalization-v2`

如需詳細資訊，請參閱[選擇配方](working-with-predefined-recipes.md)。

下表說明 User-Personalization-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 User-Personalization-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)


<table>
<thead>
  <tr><th>名稱</th><th>描述</th></tr>
</thead>
<tbody>
  <tr><td colspan="2">演算法超參數</td></tr>
  <tr><td>apply\_recency\_bias</td><td>決定模型是否應該為項目互動資料集中的最新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。<br /> 若要訓練模型更多加權最近的事件，請將 `apply_recency_bias` 設定為 `true`。若要訓練模型將過去的互動加權同等，請將 `apply_recency_bias` 設定為 `false`。<br />預設值：`true`<br />範圍：`true` 或 `false`<br />值類型：布林值<br />HPO 可調整：否</td></tr>
</tbody>
</table>