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。

# Amazon Personalize 中的即時項目建議
<a name="recommendations"></a>

 如果您的使用案例或配方產生項目建議，則在[建立推薦者](creating-recommenders.md)或[建立行銷活動](campaigns.md)之後，您可以為使用者取得即時個人化或相關的項目建議。

 如果您的網域使用案例或配方提供[即時個人化](use-case-recipe-features.md#about-real-time-personalization)，例如*最適合您的*使用案例或 *User-Personalization-v2* 配方，Amazon Personalize 會在您記錄使用者與目錄的互動時，根據使用者的最新活動更新建議。如需記錄即時事件和個人化的詳細資訊，請參閱 [記錄即時事件以影響建議](recording-events.md)。

 當您取得即時項目建議時，您可以執行下列動作：
+  如果您將行銷活動設定為傳回建議項目的中繼資料，您可以指定要包含在 [GetRecommendations](API_RS_GetRecommendations.md) API 操作中的資料欄。或者，您可以在使用 Amazon Personalize 主控台測試行銷活動時指定資料欄。如需程式碼範例，請參閱 [使用即時建議取得項目中繼資料](getting-recommendations-with-metadata.md)。如需啟用行銷活動中繼資料的詳細資訊，請參閱 [建議中的項目中繼資料](campaigns.md#create-campaign-return-metadata)。如需啟用建議者中繼資料的詳細資訊，請參閱 [在 Amazon Personalize 中的網域建議程式建議中啟用中繼資料](create-recommender-return-metadata.md)。
+  對於某些使用案例和配方，您可以在建議請求中指定提升。*提升*定義適用於建議項目可設定子集的其他業務規則。如需詳細資訊，請參閱[在即時建議中提升項目](promoting-items.md)。
+  您可以根據自訂條件篩選結果。例如，您可能不想建議使用者已購買的產品，或只建議特定年齡群組的項目。如需詳細資訊，請參閱[篩選建議和使用者客群](filter.md)。

**注意**  
 如果您使用 PersonalIZED\_RANKING 自訂配方，請參閱 [取得個人化排名 （自訂資源）](rankings.md)。

**Topics**
+ [建議評分的運作方式 （自訂資源）](#how-recommendation-scoring-works)
+ [User-Personalization-v2 的建議原因](#recommendation-reasons)
+ [取得即時項目建議](getting-real-time-item-recommendations.md)
+ [使用即時建議取得項目中繼資料](getting-recommendations-with-metadata.md)
+ [在即時建議中提升項目](promoting-items.md)

## 建議評分的運作方式 （自訂資源）
<a name="how-recommendation-scoring-works"></a>

使用 User-Personalization-v2 和 User-Personalization 配方，Amazon Personalize 會根據使用者的互動資料和中繼資料產生項目分數。這些分數代表 Amazon Personalize 在使用者接下來是否會與項目互動方面的相對確定性。分數越高代表確定性越高。

**注意**  
Amazon Personalize 不會顯示網域推薦者或相似項目、SIMS 或熱門計數配方的分數。如需個人化排名建議分數的資訊，請參閱 [個人化排名評分的運作方式](rankings.md#how-ranking-scoring-works)。

Amazon Personalize 會以 0 到 1 （均含） 的規模產生項目的相對分數。使用 User-Personalization-v2，Amazon Personalize 會為您的項目子集產生分數。透過使用者個人化，Amazon Personalize 會計算目錄中的所有項目。

 如果您使用 User-Personalization-v2 並將篩選條件套用至建議，取決於篩選條件移除的建議數量，Amazon Personalize 可能會新增預留位置項目。這樣做是為了滿足您的建議請求`numResults`的 。這些項目是根據滿足篩選條件之互動資料量的熱門項目。他們沒有使用者的相關性分數。

對於 User-Personalization-v2 和 User-Personalization，所有分數的總計等於 1。例如，如果您收到使用者的電影建議，並且有三部電影顯示項目資料集和互動資料集，則他們的分數可能是 `0.6`、 `0.3`和 `0.1`。同樣地，如果您的庫存中有 10，000 部電影，最高評分的電影可能會有非常小的分數 （平均分數為 `.001`)，但由於評分是相對的，因此建議仍然有效。

在數學術語中，每個使用者項目對 (u，i) 的分數是根據下列公式計算，其中 `exp`是指數函數，wu̅ 和 wi/j 分別是使用者和項目內嵌，而希臘字母 sigma (Σ) 代表分數的所有項目總和：

![描述用於計算建議中每個項目分數的公式。](http://docs.aws.amazon.com/zh_tw/personalize/latest/dg/images/get_recommendations_score.png)


## User-Personalization-v2 的建議原因
<a name="recommendation-reasons"></a>

如果您使用 User-Personalization-v2，則模型通常不會建議包含`reason`清單的項目。這些原因說明了為什麼建議中包含該項目。可能的原因包括下列項目：
+ 提升項目 – 指出項目已包含在您在建議請求中套用的提升中。
+ 探勘 – 表示該項目已包含在探勘中。透過探勘，建議包括互動資料較少或使用者相關性較低的項目。如需探勘的詳細資訊，請參閱[探](https://docs.aws.amazon.com/personalize/latest/dg/use-case-recipe-features.html#about-exploration)勘。
+  熱門項目 – 表示項目已包含為預留位置熱門項目。如果您使用篩選條件，取決於篩選條件移除的建議數量，Amazon Personalize 可能會新增預留位置項目，以符合您的建議請求`numResults`。這些項目是根據互動資料，符合您篩選條件的熱門項目。他們沒有使用者的相關性分數。