Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Actualización de datos en conjuntos de datos después del entrenamiento
A medida que el catálogo crezca, importe datos de entrenamiento adicionales a los conjuntos de datos. Esto contribuye a mantener y mejorar la relevancia de las recomendaciones de Amazon Personalize. Puede importar más datos con operaciones de importación de datos masivos o individuales.
+ Con las importaciones individuales, Amazon Personalize agrega los nuevos registros al conjunto de datos. Para actualizar un elemento, usuario o acción individual, puede importar un registro con el mismo ID pero con los atributos modificados. Puede importar hasta 10 registros por operación de importación individual.
Para obtener más información sobre la importación de registros de forma individual, consulte [Importación de registros individuales a un conjunto de datos de Amazon Personalize](incremental-data-updates.md). Para obtener información sobre el registro de eventos en tiempo real, consulte [Registro de los eventos en tiempo real para influir en las recomendaciones](recording-events.md).
+ Con las importaciones masivas, puede agregar o reemplazar datos masivos mediante la [creación de otro trabajo de importación](bulk-data-import-step.md). De forma predeterminada, un trabajo de importación de conjuntos de datos reemplaza cualquier dato existente en el conjunto de datos que haya importado de manera masiva. En su lugar, puede anexar los nuevos registros a los datos existentes cambiando el [modo de importación](bulk-data-import-step.md#bulk-import-modes) del trabajo.
Para anexar datos a un conjunto de datos de interacciones de elementos o de interacciones de acción con un trabajo de importación de conjuntos de datos, debe tener al menos 1000 registros de interacciones de elementos o de interacciones de acción nuevos. A los 20 minutos de completar una importación masiva, Amazon Personalize actualiza todos los filtros que haya creado en el grupo de conjuntos de datos con sus nuevos datos en masa. Esta actualización permite a Amazon Personalize utilizar los datos más recientes al filtrar las recomendaciones para sus usuarios.
Después de crear un conjunto de datos de elementos o usuarios, puede reemplazar su esquema por uno nuevo o uno ya existente. Puede reemplazar el esquema de un conjunto de datos si su estructura de datos cambió después de crear el conjunto de datos. Por ejemplo, puede tener una nueva columna de metadatos de elementos que desee que Amazon Personalize tenga en cuenta durante el entrenamiento. O tal vez quiera añadir una columna de datos para utilizarla únicamente al filtrar las recomendaciones. Para obtener más información, consulte [Reemplazo del esquema de un conjunto de datos para agregar nuevas columnas](updating-dataset-schema.md).
Después de crear un recomendador o una versión de solución personalizada, la forma en que los nuevos datos influyen en las recomendaciones depende del tipo, el método de importación y el caso de uso de dominio o la receta personalizada que utilice. En las siguientes secciones se explica cómo los datos nuevos influyen en las recomendaciones en tiempo real y por lotes antes del siguiente entrenamiento.
**Topics**
+ [
# Influencia de los nuevos datos en las recomendaciones en tiempo real
](how-new-data-influences-recommendations.md)
+ [
# Cómo influyen los datos nuevos en las recomendaciones por lotes (recursos personalizados)
](how-new-data-influences-batch-recommendations.md)
# Influencia de los nuevos datos en las recomendaciones en tiempo real
Después de crear un recomendador o una versión de solución personalizada, la forma en que los nuevos datos influyen en las recomendaciones depende del tipo de los datos, el método de importación y el caso de uso de dominio o la receta personalizada que utilice. En las siguientes secciones se explica cómo los datos nuevos influyen en las recomendaciones en tiempo real antes del siguiente entrenamiento.
El entrenamiento puede ser un entrenamiento automático semanal de un recomendador o la creación de una versión de solución automática o manual. En el entrenamiento manual con User-Personalization, omita `trainingMode` para usar el modo de entrenamiento `FULL` predeterminado.
**Topics**
+ [
## Nuevas interacciones
](#new-interactions)
+ [
## Elementos nuevos
](#new-items)
+ [
## Nuevos usuarios
](#new-users)
+ [
## Nuevas acciones
](#new-actions)
## Nuevas interacciones
Las interacciones nuevas son interacciones de elemento o de acción que se importan después del último entrenamiento. Tanto para los datos en tiempo real como masivos, si las interacciones implican un nuevo elemento o acción, Amazon Personalize podría tenerlo en cuenta para las recomendaciones si el caso de uso o la receta incluyen exploración. Para obtener más información, consulte [Elementos nuevos](#new-items) o [Nuevas acciones](#new-actions).
**Eventos en tiempo real**
Para los casos de uso y las recetas que incluyen la personalización en tiempo real, Amazon Personalize utiliza inmediatamente interacciones en tiempo real entre un usuario y elementos o acciones existentes en el último entrenamiento. Al generar recomendaciones para el usuario en el evento, Amazon Personalize utiliza estas interacciones en tiempo real. Para obtener más información sobre la personalización en tiempo real, consulte [Personalización en tiempo real](use-case-recipe-features.md#about-real-time-personalization).
Para cualquier caso de uso de dominio y receta personalizada que no incluya la personalización en tiempo real, como la recomendación de elementos similares, el modelo aprende a partir de los datos de las interacciones en tiempo real solo después del entrenamiento.
**Interacciones masivas**
En el caso de las *interacciones masivas*, tanto para los trabajos de importación de conjuntos de datos incrementales *como* completos, el modelo aprende de los datos de las interacciones de acciones o de elementos masivas solo después del siguiente entrenamiento. Los datos masivos no se utilizan para actualizar las recomendaciones para una personalización en tiempo real.
Para obtener más información sobre cómo importar más datos masivos, consulte [Importación de datos masivos en Amazon Personalize con un trabajo de importación de conjuntos de datos](bulk-data-import-step.md).
## Elementos nuevos
Los elementos nuevos son aquellos que se importan después del último entrenamiento. Pueden provenir de datos de interacciones o de metadatos de elementos en un conjunto de datos de elementos.
Los elementos nuevos se tienen en cuenta para las recomendaciones de la siguiente manera:
+ Para los casos de dominio *Mejores opciones* y *Recomendado para usted* o las recetas User-Personalization-v2, User-Personalization o Next-Best-Action, Amazon Personalize actualiza automáticamente el modelo cada dos horas. Tras cada actualización, Amazon Personalize tendrá en cuenta nuevos elementos para las recomendaciones como parte de la exploración. Al considerar el nuevo elemento, Amazon Personalize tiene en cuenta todos los metadatos para este. Sin embargo, estos datos tendrán un mayor efecto en las recomendaciones solo después de registrar las interacciones del elemento y entrenar un modelo nuevo. Para obtener información sobre las actualizaciones, consulte [Actualizaciones automáticas](use-case-recipe-features.md#automatic-updates).
+ SI usa el caso de uso *Tendencia ahora*, Amazon Personalize evalúa automáticamente los datos de sus interacciones cada dos hora e identifica los elementos que son tendencia. No es necesario que espere al entrenamiento del recomendador. Si utiliza la *receta Trending-Now*, Amazon Personalize tiene en cuenta automáticamente todos los elementos nuevos en intervalos configurables sin entrenamiento. Para obtener más información sobre la configuración de los intervalos, consulte [Receta Trending-Now](native-recipe-trending-now.md).
+ Si no utiliza la receta Trending-Now o el caso de uso o receta no admiten las actualizaciones automáticas, Amazon Personalize considerará los elementos nuevos solo después del siguiente entrenamiento.
## Nuevos usuarios
Los usuarios nuevos son aquellos que se importan después del último entrenamiento. Pueden provenir de datos de interacciones o de metadatos de usuarios en un conjunto de datos de usuarios. Para los usuarios nuevos y anónimos (usuarios sin un userId), puede registrar los eventos del usuario con un `sessionId` y Amazon Personalize asociará los eventos al usuario antes de que inicie sesión. Para obtener más información, consulte [Registro de eventos para usuarios anónimos](recording-events.md#recording-anonymous-user-events).
Amazon Personalize genera recomendaciones para los nuevos usuarios de la siguiente manera:
+ Si utiliza el caso de uso del dominio Tendencia ahora o la receta personalizada Trending-Now, los nuevos usuarios recibirán inmediatamente recomendaciones sobre los elementos que son tendencia. Si utiliza la receta Popularity-Count, los nuevos usuarios recibirán inmediatamente recomendaciones sobre los elementos con más interacciones.
+ En el caso de recetas o casos de uso que ofrecen recomendaciones personalizadas a los usuarios, las recomendaciones para los nuevos usuarios se basan en los historiales de interacciones iniciales de los usuarios actuales. Es más probable que se recomienden a los nuevos usuarios los primeros elementos o acciones con los que hayan interactuado los usuarios existentes. En el caso de las recetas User-Personalization o Personalized-Ranking, si establece `recency_mask` en `true`, las recomendaciones también incluyen elementos basados en las últimas tendencias de popularidad en sus datos de interacciones.
Lo siguiente puede aumentar la relevancia de las recomendaciones para los nuevos usuarios:
+ Datos de interacciones: la forma principal de mejorar la relevancia de las recomendaciones para un nuevo usuario es importar los datos de sus interacciones con sus elementos. Para obtener información sobre cómo los datos de las nuevas interacciones influyen en las recomendaciones, consulte [Nuevas interacciones](#new-interactions).
+ Metadatos de usuario: la importación de metadatos de usuario, como GENDER o MEMBERSHIP\$1STATUS, puede mejorar las recomendaciones. Para que los metadatos influyan en las recomendaciones, debes esperar a que el recomendador de dominios complete su reentrenamiento automático semanal. O bien, tiene que crear manualmente una nueva versión de la solución.
+ Metadatos contextuales: si su caso de uso o receta admite metadatos contextuales y su conjunto de datos de interacciones de elementos tiene campos de metadatos para datos contextuales, puede proporcionar el contexto del usuario en su solicitud de recomendaciones. Esto no requiere un reentrenamiento. Para obtener más información, consulte [Aumento de la relevancia de las recomendaciones con metadatos contextuales](contextual-metadata.md).
## Nuevas acciones
Las acciones nuevas son aquellas que se importan desde el último entrenamiento. Pueden provenir de los datos de interacción de acciones o de las acciones de un conjunto de datos de acciones.
Con la receta Next-Best-Action, Amazon Personalize actualiza automáticamente una versión de la solución cada dos horas. Después de cada actualización, Amazon Personalize considera nuevas acciones para recomendarlas como parte de la exploración. Al considerar la nueva acción, Amazon Personalize tiene en cuenta todos los metadatos para esta. Sin embargo, estos datos tendrán un mayor efecto en las recomendaciones solo después de registrar las interacciones de la acción y realizar un reentrenamiento completo. Para obtener información sobre las actualizaciones, consulte [Actualizaciones automáticas](use-case-recipe-features.md#automatic-updates)
# Cómo influyen los datos nuevos en las recomendaciones por lotes (recursos personalizados)
Después de crear una versión de solución personalizada, la forma en que los nuevos datos influyen en las recomendaciones depende del tipo de los datos, el método de importación y la receta personalizada que utilice.
Para segmentos de usuario, Amazon Personalize genera segmentos utilizando únicamente los datos masivos presentes en el último entrenamiento de la versión completa de la solución. Además, Amazon Personalize solo utiliza datos masivos que haya importado usted con el modo de importación FULL (para reemplazar los datos existentes). Para obtener más información sobre los segmentos de usuario, consulte [Obtención de segmentos de usuarios por lotes con recursos personalizados](getting-user-segments.md).
Al generar recomendaciones de elementos por lotes, Amazon Personalize tiene en cuenta todos los datos masivos presentes en el momento de la creación de la última versión de solución. Estos datos se pueden importar con un modo de importación COMPLETO o INCREMENTAL. Para que los registros masivos más recientes influyan en las recomendaciones por lotes, debe crear una nueva versión de la solución y, a continuación, crear el trabajo de inferencia por lotes.
En las secciones siguientes se explica la forma en que las importaciones individuales influyen en las recomendaciones de elementos por lotes.
**Topics**
+ [
## Nuevas interacciones
](#batch-new-interactions)
+ [
## Nuevos usuarios
](#batch-new-users)
+ [
## Elementos nuevos
](#batch-new-items)
## Nuevas interacciones
Si utiliza una receta USER\$1PERSONALIZATION o PERSONALIZED\$1RANKING, Amazon Personalize tiene en cuenta nuevos datos de interacciones de elemento con los elementos y los usuarios existentes unos 15 minutos a partir de la importación de los datos. Estos elementos y usuarios deben haber estado presentes en el último entrenamiento. Para asegurarse de que se tienen en cuenta los eventos, recomendamos que espere al menos 15 minutos antes de iniciar un trabajo de inferencia por lotes. Para todas las demás recetas, y para los eventos con nuevos elementos o usuarios, debe crear una nueva versión de solución para los eventos transmitidos para influir en las recomendaciones por lotes.
## Nuevos usuarios
Para los usuarios sin datos de interacciones, inicialmente las recomendaciones solo se refieren a elementos populares. Si utiliza la receta USER\$1PERSONALIZATION o PERSONALIZED\$1RANKING, y registra eventos para el usuario, las recomendaciones podrían ser más relevantes unos 15 minutos después de la importación sin necesidad de reentrenamiento. Para asegurarse de que se tienen en cuenta los eventos, recomendamos que espere al menos 15 minutos antes de iniciar un trabajo de inferencia por lotes. Para todas las demás recetas, debe crear una nueva versión de la solución para los eventos transmitidos para influir en las recomendaciones por lotes para los usuarios sin datos de interacciones.
## Elementos nuevos
Con User-Personalization-v2 y User-Personalization, al crear un trabajo de inferencia por lotes y especificar la última versión de solución completamente entrenada, Amazon Personalize actualiza automáticamente la versión de solución para incluir nuevos elementos en las recomendaciones con la exploración. Si no especifica la versión de la solución más reciente, no se produce ninguna actualización. Para cualquier otra receta, debe crear una nueva versión de la solución para que los nuevos elementos aparezcan en las recomendaciones por lotes. Para obtener más información acerca de la exploración, consulte [Exploration (Exploración)](use-case-recipe-features.md#about-exploration).