Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Aktualisierung von Daten in Datensätzen nach dem Training
Wenn Ihr Katalog wächst, importieren Sie zusätzliche Trainingsdaten in Ihre Datensätze. Dies trägt dazu bei, die Relevanz der Amazon Personalize-Empfehlungen aufrechtzuerhalten und zu verbessern. Sie können mehr Daten mit Massenimportvorgängen oder Einzeldatenimportvorgängen importieren.
+ Bei einzelnen Importen hängt Amazon Personalize die neuen Datensätze an den Datensatz an. Um einen einzelnen Artikel, Benutzer oder eine Aktion zu aktualisieren, können Sie einen Datensatz mit derselben ID, aber mit den geänderten Attributen importieren. Sie können bis zu 10 Datensätze pro einzelnen Importvorgang importieren.
Weitere Informationen zum Einzelimport von Datensätzen finden Sie unter[Einzelne Datensätze in einen Amazon Personalize importieren](incremental-data-updates.md). Informationen zum Aufzeichnen von Ereignissen in Echtzeit finden Sie unter[Aufzeichnung von Ereignissen in Echtzeit zur Beeinflussung von Empfehlungen](recording-events.md).
+ Bei Massenimporten können Sie Massendaten hinzufügen oder ersetzen, indem Sie [einen weiteren Importauftrag erstellen](bulk-data-import-step.md). Standardmäßig ersetzt ein Datensatz-Importauftrag alle vorhandenen Daten in dem Datensatz, den Sie in großen Mengen importiert haben. Sie können die neuen Datensätze stattdessen an bestehende Daten anhängen, indem Sie den [Importmodus](bulk-data-import-step.md#bulk-import-modes) des Jobs ändern.
Um mit einem Datensatz-Importjob Daten an einen Datensatz mit Artikelinteraktionen oder einen Datensatz mit Aktionsinteraktionen anzuhängen, müssen Sie über mindestens 1000 neue Datensätze für Artikelinteraktionen oder Aktionsinteraktionen verfügen. Innerhalb von 20 Minuten nach Abschluss eines Massenimports aktualisiert Amazon Personalize alle Filter, die Sie in der Datensatzgruppe erstellt haben, mit Ihren neuen Massendaten. Mit diesem Update kann Amazon Personalize die neuesten Daten verwenden, um Empfehlungen für Ihre Benutzer zu filtern.
Nachdem Sie einen Artikel- oder Benutzerdatensatz erstellt haben, können Sie dessen Schema durch ein neues oder vorhandenes ersetzen. Sie können das Schema eines Datensatzes ersetzen, wenn sich Ihre Datenstruktur nach der Erstellung des Datensatzes geändert hat. Beispielsweise haben Sie möglicherweise eine neue Spalte mit Artikelmetadaten, die Amazon Personalize bei der Schulung berücksichtigen soll. Oder Sie möchten vielleicht eine Datenspalte hinzufügen, die nur beim Filtern von Empfehlungen verwendet werden soll. Weitere Informationen finden Sie unter [Das Schema eines Datensatzes ersetzen, um neue Spalten hinzuzufügen](updating-dataset-schema.md).
Nachdem Sie eine Empfehlungsversion oder eine benutzerdefinierte Lösungsversion erstellt haben, hängt der Einfluss neuer Daten auf Empfehlungen vom Typ, der Importmethode und dem verwendeten Domain-Anwendungsfall oder benutzerdefinierten Rezept ab. In den folgenden Abschnitten wird vor der nächsten Schulung erklärt, wie sich neue Daten auf Echtzeit- und Batch-Empfehlungen auswirken.
**Topics**
+ [Wie neue Daten Empfehlungen in Echtzeit beeinflussen](how-new-data-influences-recommendations.md)
+ [Wie neue Daten Batch-Empfehlungen beeinflussen (benutzerdefinierte Ressourcen)](how-new-data-influences-batch-recommendations.md)
# Wie neue Daten Empfehlungen in Echtzeit beeinflussen
Nachdem Sie eine Empfehlungsversion oder eine benutzerdefinierte Lösungsversion erstellt haben, hängt der Einfluss neuer Daten auf Empfehlungen in Echtzeit vom Datentyp, der Importmethode und dem verwendeten Domain-Anwendungsfall oder benutzerdefinierten Rezept ab. In den folgenden Abschnitten wird erklärt, wie sich neue Daten auf Empfehlungen in Echtzeit vor der nächsten Schulung auswirken.
Bei der Schulung kann es sich um die wöchentliche automatische Schulung eines Empfehlungsgebers oder um die automatische oder manuelle Erstellung von Lösungsversionen handeln. Für manuelles Training mit Benutzerpersonalisierung lassen Sie das weg, `trainingMode` um den Standard-Trainingsmodus zu verwenden. `FULL`
**Topics**
+ [Neue Interaktionen](#new-interactions)
+ [Neue Artikel](#new-items)
+ [Neuer Benutzer](#new-users)
+ [Neue -Aktionen](#new-actions)
## Neue Interaktionen
Neue Interaktionen sind Artikel- oder Aktionsinteraktionen, die Sie nach dem letzten Training importieren. Sowohl bei Echtzeit- als auch bei Massendaten kann Amazon Personalize, wenn Interaktionen einen neuen Artikel oder eine neue Aktion beinhalten, diese für Empfehlungen ohne Schulung in Betracht ziehen, wenn Ihr Rezept oder Ihr Anwendungsfall eine Erkundung beinhaltet. Weitere Informationen finden Sie unter [Neue Artikel](#new-items) oder [Neue -Aktionen](#new-actions).
**Ereignisse in Echtzeit**
Für Anwendungsfälle und Rezepte mit Personalisierung in Echtzeit verwendet Amazon Personalize sofort Interaktionen in Echtzeit zwischen einem Benutzer und Artikeln oder Aktionen, die in der letzten Schulung vorgestellt wurden. Bei der Generierung von Empfehlungen für den Benutzer in der Veranstaltung verwendet Amazon Personalize diese Interaktionen in Echtzeit. Weitere Informationen zur Personalisierung in Echtzeit finden Sie unter. [Personalisierung in Echtzeit](use-case-recipe-features.md#about-real-time-personalization)
Bei allen Domain-Anwendungsfällen und benutzerdefinierten Rezepten, die keine Echtzeit-Personalisierung bieten, wie z. B. das Empfehlen ähnlicher Artikel, lernt Ihr Modell erst nach dem Training aus Echtzeit-Interaktionsdaten.
**Interaktionen in großen Mengen**
*Bei *Masseninteraktionen*, sowohl bei inkrementellen als auch bei Aufträgen für den vollständigen Import von Datensätzen, lernt Ihr Modell erst nach dem nächsten Training aus Daten zur Masseninteraktion zwischen Elementen oder Aktionen.* Massendaten werden nicht verwendet, um Empfehlungen für die Personalisierung in Echtzeit zu aktualisieren.
Weitere Informationen zum Importieren weiterer Massendaten finden Sie unter[Import von Massendaten in Amazon Personalize mit einem Datensatz-Importjob](bulk-data-import-step.md).
## Neue Artikel
Neue Artikel sind Artikel, die Sie nach der letzten Schulung importieren. Sie können entweder aus Interaktionsdaten oder aus Elementmetadaten in einem Artikel-Datensatz stammen.
Neue Artikel werden wie folgt für Empfehlungen berücksichtigt:
+ Bei den Domain-Fällen „*Top-Picks für Sie**“ und „Für Sie empfohlen*“, „Benutzerpersonalisierung“ oder „ Next-Best-ActionRezepte“ aktualisiert Amazon Personalize das Modell automatisch alle User-Personalization-v zwei Stunden. Nach jedem Update berücksichtigt Amazon Personalize im Rahmen der Erkundung neue Artikel als Empfehlungen. Bei der Prüfung des neuen Artikels berücksichtigt Amazon Personalize alle Metadaten für den Artikel. Diese Daten wirken sich jedoch erst dann stärker auf Empfehlungen aus, wenn Sie Interaktionen für den Artikel aufgezeichnet und ein neues Modell trainiert haben. Informationen zu Updates finden Sie unter[Automatische Updates](use-case-recipe-features.md#automatic-updates).
+ Wenn Sie den Anwendungsfall *Trending now* verwenden, wertet Amazon Personalize Ihre Interaktionsdaten automatisch alle zwei Stunden aus und identifiziert Trendartikel. Sie müssen nicht warten, bis Ihr Empfehlungsgeber trainiert hat. Wenn Sie das *Trending-Now-Rezept* verwenden, berücksichtigt Amazon Personalize automatisch alle neuen Artikel in konfigurierbaren Intervallen ohne Schulung. Informationen zur Konfiguration von Intervallen finden Sie unter. [Trending-Now-Rezept](native-recipe-trending-now.md)
+ Wenn Sie das Trending-Now-Rezept nicht verwenden oder Ihr Anwendungsfall oder Rezept keine automatischen Updates unterstützt, berücksichtigt Amazon Personalize neue Artikel erst nach der nächsten Schulung.
## Neuer Benutzer
Neue Benutzer sind Benutzer, die Sie nach der letzten Schulung importieren. Sie können entweder aus Interaktionsdaten oder aus Benutzermetadaten in einem Benutzerdatensatz stammen. Für neue, anonyme Benutzer (Benutzer ohne userId) können Sie Ereignisse für den Benutzer mit einem aufzeichnen, `sessionId` und Amazon Personalize ordnet Ereignisse dem Benutzer zu, bevor er sich anmeldet. Weitere Informationen finden Sie unter [Ereignisse für anonyme Benutzer aufzeichnen](recording-events.md#recording-anonymous-user-events).
Amazon Personalize generiert Empfehlungen für neue Benutzer wie folgt:
+ Wenn Sie den Anwendungsfall „Trending now“ -Domain oder das benutzerdefinierte Rezept „Trending-Now“ verwenden, erhalten neue Benutzer sofort Empfehlungen für die beliebtesten Artikel. Wenn Sie das Rezept Popularity-Count verwenden, erhalten neue Benutzer sofort Empfehlungen für Artikel mit den meisten Interaktionen.
+ Bei Rezepten oder Anwendungsfällen mit personalisierten Empfehlungen für Benutzer basieren die Empfehlungen für neue Benutzer auf den frühen Interaktionsverläufen Ihrer bestehenden Benutzer. Es ist wahrscheinlicher, dass die ersten Elemente oder Aktionen, mit denen diese bestehenden Benutzer interagiert haben, neuen Benutzern empfohlen werden. Wenn Sie diese Option für die Rezepte „Benutzerpersonalisierung“ oder „Personalisiertes Ranking“ festlegen, enthalten die Empfehlungen auch Artikel`true`, `recency_mask` die auf den neuesten Beliebtheitstrends in Ihren Interaktionsdaten basieren.
Folgendes kann die Relevanz von Empfehlungen für neue Nutzer erhöhen:
+ Interaktionsdaten — Die wichtigste Methode, um die Relevanz von Empfehlungen für neue Nutzer zu verbessern, besteht darin, Daten aus deren Interaktionen mit Ihren Artikeln zu importieren. Informationen darüber, wie neue Interaktionsdaten Empfehlungen beeinflussen, finden Sie unter[Neue Interaktionen](#new-interactions).
+ Benutzermetadaten — Durch den Import von Benutzermetadaten wie GENDER oder MEMBERSHIP\$1STATUS können Empfehlungen verbessert werden. Damit Metadaten die Empfehlungen beeinflussen können, müssen Sie warten, bis die wöchentliche automatische Umschulung Ihres Domain-Empfehlungsgebers abgeschlossen ist. Oder Sie müssen manuell eine neue Lösungsversion erstellen.
+ Kontextuelle Metadaten — Wenn Ihr Anwendungsfall oder Ihre Rezeptur kontextuelle Metadaten unterstützt und Ihr Datensatz mit Artikelinteraktionen Metadatenfelder für kontextbezogene Daten enthält, können Sie den Kontext des Benutzers in Ihrer Empfehlungsanfrage angeben. Dafür ist keine Umschulung erforderlich. Weitere Informationen finden Sie unter [Erhöhung der Relevanz von Empfehlungen mit kontextuellen Metadaten](contextual-metadata.md).
## Neue -Aktionen
Neue Aktionen sind Aktionen, die Sie seit der letzten Schulung importieren. Sie können entweder aus Aktionsinteraktionsdaten oder aus Aktionen in einem Aktionsdatensatz stammen.
Mit dem Next-Best-Action Rezept aktualisiert Amazon Personalize automatisch alle zwei Stunden eine Lösungsversion. Nach jedem Update erwägt Amazon Personalize im Rahmen der Erkundung neue Aktionen für Empfehlungen. Bei der Prüfung der neuen Aktion berücksichtigt Amazon Personalize alle Metadaten für die Aktion. Diese Daten haben jedoch erst dann einen größeren Einfluss auf Empfehlungen, wenn Sie die Aktionsinteraktionen für die Aktion aufgezeichnet und vollständig neu trainiert haben. Informationen zu Updates finden Sie unter [Automatische Updates](use-case-recipe-features.md#automatic-updates)
# Wie neue Daten Batch-Empfehlungen beeinflussen (benutzerdefinierte Ressourcen)
Nachdem Sie eine benutzerdefinierte Lösungsversion erstellt haben, hängt der Einfluss neuer Daten auf die Batchempfehlungen vom Datentyp, der Importmethode und dem verwendeten benutzerdefinierten Rezept ab.
Für Benutzersegmente generiert Amazon Personalize Segmente nur anhand der Daten, die in der letzten Schulung zur Vollversion der Lösung vorhanden waren. Und Amazon Personalize verwendet nur Massendaten, die Sie mit dem Importmodus FULL importiert haben (indem vorhandene Daten ersetzt werden). Weitere Informationen zu Benutzersegmenten finden Sie unter[Batch-Benutzersegmente mit benutzerdefinierten Ressourcen abrufen](getting-user-segments.md).
Bei der Generierung von Empfehlungen für Batch-Artikel berücksichtigt Amazon Personalize alle Massendaten, die zum Zeitpunkt der Erstellung der letzten Lösungsversion vorhanden waren. Diese Daten können mit dem Importmodus FULL oder INCREMENTAL importiert werden. Damit neuere Massendatensätze die Batch-Empfehlungen beeinflussen können, müssen Sie eine neue Lösungsversion und dann den Batch-Inferenzjob erstellen.
In den folgenden Abschnitten wird erläutert, wie einzelne Importe die Empfehlungen für Batch-Artikel beeinflussen.
**Topics**
+ [Neue Interaktionen](#batch-new-interactions)
+ [Neuer Benutzer](#batch-new-users)
+ [Neue Artikel](#batch-new-items)
## Neue Interaktionen
Wenn Sie ein USER\$1PERSONALIZATION- oder PERSONALIZED\$1RANKING-Rezept verwenden, berücksichtigt Amazon Personalize innerhalb von etwa 15 Minuten nach dem Datenimport neue Artikelinteraktionsdaten mit vorhandenen Artikeln und Benutzern. Diese Artikel und Benutzer müssen bei der letzten Schulung anwesend gewesen sein. Um sicherzustellen, dass Ereignisse berücksichtigt werden, empfehlen wir, mindestens 15 Minuten zu warten, bevor Sie einen Batch-Inferenzjob starten. Für alle anderen Rezepte und für Ereignisse mit neuen Elementen oder Benutzern müssen Sie eine neue Lösungsversion für die gestreamten Ereignisse erstellen, um die Batch-Empfehlungen zu beeinflussen.
## Neuer Benutzer
Für Benutzer ohne Interaktionsdaten beziehen sich die Empfehlungen zunächst nur auf beliebte Artikel. Wenn Sie ein USER\$1PERSONALIZATION- oder PERSONALIZED\$1RANKING-Rezept verwenden und Ereignisse für den Benutzer aufzeichnen, können seine Empfehlungen innerhalb von etwa 15 Minuten nach dem Import ohne Umschulung relevanter werden. Um sicherzustellen, dass Ereignisse berücksichtigt werden, empfehlen wir, mindestens 15 Minuten zu warten, bevor Sie einen Batch-Inferenzjob starten. Für alle anderen Rezepte müssen Sie eine neue Lösungsversion für gestreamte Ereignisse erstellen, um die Batch-Empfehlungen für Benutzer ohne Interaktionsdaten zu beeinflussen.
## Neue Artikel
Bei User-Personalization-v 2 und Benutzerpersonalisierung aktualisiert Amazon Personalize automatisch die Lösungsversion, wenn Sie einen Batch-Inferenzjob erstellen und die neueste vollständig trainierte Lösungsversion für Ihre Lösung angeben, sodass neue Elemente in Empfehlungen mit Erkundung aufgenommen werden. Wenn Sie nicht die neueste Lösungsversion angeben, erfolgt keine Aktualisierung. Für jedes andere Rezept müssen Sie eine neue Lösungsversion erstellen, damit neue Artikel in den Batch-Empfehlungen aufgeführt werden. Weitere Informationen zur Erkundung finden Sie unter[Exploration (Erkundung)](use-case-recipe-features.md#about-exploration).