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。

# 訓練後更新資料集中的資料
<a name="updating-datasets"></a>

 隨著目錄的成長，請將其他訓練資料匯入資料集。這有助於維持和改善 Amazon Personalize 建議的相關性。您可以使用大量或個別資料匯入操作來匯入更多資料。
+ 透過個別匯入，Amazon Personalize 會將新記錄附加至資料集。若要更新個別項目、使用者或動作，您可以匯入具有相同 ID 但具有修改屬性的記錄。每個個別匯入操作最多可以匯入 10 筆記錄。

  如需個別匯入記錄的詳細資訊，請參閱 [將個別記錄匯入 Amazon Personalize 資料集](incremental-data-updates.md)。如需記錄即時事件的資訊，請參閱 [記錄即時事件以影響建議](recording-events.md)。
+ 透過大量匯入，您可以透過[建立另一個匯入任務](bulk-data-import-step.md)來新增或取代大量資料。根據預設，資料集匯入任務會取代您大量匯入的資料集中的任何現有資料。您可以改為變更任務的[匯入模式](bulk-data-import-step.md#bulk-import-modes)，將新記錄附加至現有資料。

  若要使用資料集匯入任務將資料附加至項目互動資料集或動作互動資料集，您必須至少有 1000 個新的項目互動或動作互動記錄。在完成大量匯入的 20 分鐘內，Amazon Personalize 會使用新的大量資料更新您在資料集群組中建立的任何篩選條件。此更新可讓 Amazon Personalize 在篩選使用者的建議時使用最新的資料。

 建立項目或使用者資料集之後，您可以將其結構描述取代為新的或現有的結構描述。如果您在建立資料集之後變更資料結構，則可以取代資料集的結構描述。例如，您可能有您希望 Amazon Personalize 在訓練期間考慮的新項目中繼資料資料欄。或者，您可能想要新增資料欄，以在篩選建議時使用。如需詳細資訊，請參閱[取代資料集的結構描述以新增資料欄](updating-dataset-schema.md)。

建立推薦者或自訂解決方案版本後，新資料如何影響建議取決於其類型、匯入方法，以及您使用的網域使用案例或自訂配方。下列各節說明新資料如何影響下一次訓練前的即時和批次建議。

**Topics**
+ [新資料如何影響即時建議](how-new-data-influences-recommendations.md)
+ [新資料如何影響批次建議 （自訂資源）](how-new-data-influences-batch-recommendations.md)

# 新資料如何影響即時建議
<a name="how-new-data-influences-recommendations"></a>

在您建立推薦者或自訂解決方案版本後，新資料如何影響即時建議取決於資料的類型、匯入方法，以及您使用的網域使用案例或自訂配方。下列各節說明新資料如何影響下一次訓練前的即時建議。

訓練可以是推薦者的每週自動訓練，或是自動或手動建立解決方案版本。對於使用使用者個人化進行手動訓練，請省略 `trainingMode`以使用預設`FULL`訓練模式。

**Topics**
+ [新的互動](#new-interactions)
+ [新項目](#new-items)
+ [新使用者](#new-users)
+ [新的 動作](#new-actions)

## 新的互動
<a name="new-interactions"></a>

新互動是您在最新訓練後匯入的項目或動作互動。對於即時和大量資料，如果互動涉及新項目或動作，Amazon Personalize 可能會在您的配方或使用案例功能探索時，將其視為建議，而無需訓練。如需詳細資訊，請參閱 [新項目](#new-items) 或 [新的 動作](#new-actions) 。

**即時事件**

 對於具有即時個人化功能的使用案例和配方，Amazon Personalize 會立即使用使用者與最新訓練中存在的項目或動作之間的即時互動。在 回應中為使用者產生建議時，Amazon Personalize 會使用這些即時互動。如需即時個人化的詳細資訊，請參閱 [即時個人化](use-case-recipe-features.md#about-real-time-personalization)。

 對於沒有即時個人化功能的任何網域使用案例和自訂配方，例如建議類似的項目，您的模型只會在訓練後從即時互動資料中學習。

**大量互動**

對於*大量互動*，對於增量*和*完整資料集匯入任務，您的模型只會在下一次訓練後從大量項目互動或動作互動資料中學習。大量資料不會用於更新即時個人化的建議。

如需匯入更多大量資料的詳細資訊，請參閱 [使用資料集匯入任務將大量資料匯入 Amazon Personalize](bulk-data-import-step.md)。

## 新項目
<a name="new-items"></a>

新項目是您在最新訓練後匯入的項目。它們可以來自項目資料集中的互動資料或項目中繼資料。

建議會考慮新項目，如下所示：
+ 對於*最適合您的 *和*推薦給您的*網域案例或 User-Personalization-v2、User-Personalization 或 Next-Best-Action 配方，Amazon Personalize 會每兩小時自動更新模型。每次更新後，Amazon Personalize 會將建議的新項目視為探索的一部分。考慮新項目時，Amazon Personalize 會考慮項目的任何中繼資料。不過，只有在您記錄項目的互動並訓練新模型之後，此資料才會對建議產生更大的影響。如需更新的相關資訊，請參閱 [自動更新](use-case-recipe-features.md#automatic-updates)。
+ 如果您*現在使用趨勢*使用案例，Amazon Personalize 會每兩小時自動評估您的互動資料，並識別趨勢項目。您不需要等待推薦者進行訓練。如果您使用 *Trending-Now 配方*，Amazon Personalize 會自動以可設定的間隔考慮所有新項目，無需訓練。如需設定間隔的相關資訊，請參閱 [Trending-Now 配方](native-recipe-trending-now.md)。
+ 如果您不使用 Trending-Now 配方，或您的使用案例或配方不支援自動更新，Amazon Personalize 只會在下一次訓練後考慮新項目。

## 新使用者
<a name="new-users"></a>

 新使用者是您在最新訓練後匯入的使用者。它們可以來自使用者資料集中的互動資料或使用者中繼資料。對於新的匿名使用者 （沒有 userId 的使用者），您可以使用 記錄使用者的事件，`sessionId`Amazon Personalize 會在使用者登入之前將事件與使用者建立關聯。如需詳細資訊，請參閱[記錄匿名使用者的事件](recording-events.md#recording-anonymous-user-events)。

Amazon Personalize 會為新使用者產生建議，如下所示：
+  如果您使用趨勢現在網域使用案例或趨勢現在自訂配方，新使用者會立即收到熱門趨勢項目的建議。如果您使用熱門計數配方，新使用者會立即收到互動次數最多的項目建議。
+  對於為使用者提供個人化建議的配方或使用案例，新使用者的建議是根據現有使用者的早期互動歷史記錄。這些現有使用者與之互動的第一個項目或動作較可能建議新使用者使用。對於使用者個人化或個人化排名配方，如果您`recency_mask`將 設定為 `true`，建議也會包含互動資料中最新熱門趨勢的項目。

以下可以提高新使用者的建議相關性：
+  互動資料 – 改善新使用者建議相關性的主要方法是從他們與您的項目互動匯入資料。如需新互動資料如何影響建議的資訊，請參閱 [新的互動](#new-interactions)。
+ 使用者中繼資料 – 匯入 GENDER 或 MEMBERSHIP\$1STATUS 等使用者中繼資料可以改善建議。若要讓中繼資料影響建議，您必須等待網域推薦者的每週自動重新訓練完成。或者，您必須手動建立新的解決方案版本。
+ 內容中繼資料 – 如果您的使用案例或配方支援內容中繼資料，且您的項目互動資料集具有內容資料的中繼資料欄位，您可以在請求中提供使用者的內容以獲得建議。這不需要重新訓練。如需詳細資訊，請參閱[提高與內容中繼資料的建議相關性](contextual-metadata.md)。

## 新的 動作
<a name="new-actions"></a>

新動作是您自上次訓練以來匯入的動作。它們可以來自動作互動資料或動作資料集中的動作。

使用 Next-Best-Action 配方，Amazon Personalize 會每兩小時自動更新解決方案版本。每次更新後，Amazon Personalize 會將建議的新動作視為探索的一部分。考慮新動作時，Amazon Personalize 會考慮動作的任何中繼資料。不過，只有在您記錄動作的動作互動並完全重新訓練之後，此資料才會對建議產生更大的影響。如需更新的相關資訊，請參閱 [自動更新](use-case-recipe-features.md#automatic-updates) 

# 新資料如何影響批次建議 （自訂資源）
<a name="how-new-data-influences-batch-recommendations"></a>

建立自訂解決方案版本後，新資料如何影響批次建議取決於資料的類型、匯入方法，以及您所使用的自訂配方。

對於使用者客群，Amazon Personalize 只會使用上次完整解決方案版本訓練中存在的資料來產生客群。Amazon Personalize 只會使用您以 FULL 匯入模式匯入的大量資料 （取代現有資料）。如需使用者客群的詳細資訊，請參閱 [使用自訂資源取得批次使用者區段](getting-user-segments.md)。

產生批次項目建議時，Amazon Personalize 會將最新解決方案版本建立時存在的所有大量資料納入考量。此資料可以使用 FULL 或 INCREMENTAL 的匯入模式匯入。若要讓較新的大量記錄影響批次建議，您必須建立新的解決方案版本，然後建立批次推論任務。

下列各節說明個別匯入如何影響批次項目建議。

**Topics**
+ [新的互動](#batch-new-interactions)
+ [新使用者](#batch-new-users)
+ [新項目](#batch-new-items)

## 新的互動
<a name="batch-new-interactions"></a>

如果您使用 USER\$1PERSONALIZATION 或 PersonalIZED\$1RANKING 配方，Amazon Personalize 會在資料匯入後約 15 分鐘內考慮與現有項目和使用者的新項目互動資料。這些項目和使用者必須已在最新的訓練中存在。為了確保考量事件，建議您至少等待 15 分鐘，再開始批次推論任務。對於所有其他配方，以及對於具有新項目或使用者的事件，您必須為串流事件建立新的解決方案版本，以影響批次建議。

## 新使用者
<a name="batch-new-users"></a>

 對於沒有互動資料的使用者，建議最初僅適用於熱門項目。如果您使用 USER\$1PERSONALIZATION 或 PersonalIZED\$1RANKING 配方，並且為使用者記錄事件，則其建議可能會在匯入後約 15 分鐘內變得更相關，而無需重新訓練。為了確保考量事件，建議您至少等待 15 分鐘，再開始批次推論任務。對於所有其他配方，您必須為串流事件建立新的解決方案版本，以影響沒有互動資料之使用者的批次建議。

## 新項目
<a name="batch-new-items"></a>

使用 User-Personalization-v2 和 User-Personalization，當您建立批次推論任務並指定解決方案的最新完整訓練解決方案版本時，Amazon Personalize 會自動更新解決方案版本，以在探勘的建議中包含新項目。如果您未指定最新的解決方案版本，則不會發生更新。對於任何其他配方，您必須為要在批次建議中特色的新項目建立新的解決方案版本。如需探索的詳細資訊，請參閱 [探勘](use-case-recipe-features.md#about-exploration)。