Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Mise à jour des données dans les ensembles de données après l'entraînement
À mesure que votre catalogue s'agrandit, importez des données d'entraînement supplémentaires dans vos ensembles de données. Cela permet de maintenir et d'améliorer la pertinence des recommandations d'Amazon Personalize. Vous pouvez importer davantage de données grâce à des opérations d'importation de données groupées ou individuelles.
+ Lors des importations individuelles, Amazon Personalize ajoute les nouveaux enregistrements à l'ensemble de données. Pour mettre à jour un élément, un utilisateur ou une action individuel, vous pouvez importer un enregistrement avec le même ID mais avec les attributs modifiés. Vous pouvez importer jusqu'à 10 enregistrements par opération d'importation individuelle.
Pour plus d'informations sur l'importation individuelle d'enregistrements, consultez[Importation d'enregistrements individuels dans un ensemble de données Amazon Personalize](incremental-data-updates.md). Pour plus d'informations sur l'enregistrement d'événements en temps réel, consultez[Enregistrement des événements en temps réel pour influencer les recommandations](recording-events.md).
+ Dans le cas des importations groupées, vous ajoutez ou remplacez des données en masse en [créant une autre tâche d'importation](bulk-data-import-step.md). Par défaut, une tâche d'importation de jeu de données remplace toutes les données existantes du jeu de données que vous avez importé en bloc. Vous pouvez plutôt ajouter les nouveaux enregistrements aux données existantes en modifiant le [mode d'importation](bulk-data-import-step.md#bulk-import-modes) de la tâche.
Pour ajouter des données à un jeu de données d'interactions d'éléments ou à un jeu de données d'interactions d'action avec une tâche d'importation de jeu de données, vous devez disposer d'au moins 1 000 nouveaux enregistrements d'interactions entre éléments ou d'interactions d'action. Dans les 20 minutes suivant l'importation en masse, Amazon Personalize met à jour tous les filtres que vous avez créés dans le groupe de jeux de données avec vos nouvelles données en masse. Cette mise à jour permet à Amazon Personalize d'utiliser les données les plus récentes pour filtrer les recommandations destinées à vos utilisateurs.
Après avoir créé un jeu de données Items ou Users, vous pouvez remplacer son schéma par un nouveau ou un schéma existant. Vous pouvez remplacer la structure d'un ensemble de données si votre structure de données a changé après avoir créé le jeu de données. Par exemple, vous pouvez avoir une nouvelle colonne de métadonnées d'articles que vous souhaitez qu'Amazon Personalize prenne en compte pendant la formation. Vous pouvez également ajouter une colonne de données à utiliser uniquement pour filtrer les recommandations. Pour de plus amples informations, veuillez consulter [Remplacement du schéma d'un ensemble de données pour ajouter de nouvelles colonnes](updating-dataset-schema.md).
Une fois que vous avez créé une version de recommandation ou de solution personnalisée, l'influence des nouvelles données sur les recommandations dépend de leur type, de la méthode d'importation et du cas d'utilisation du domaine ou de la recette personnalisée que vous utilisez. Les sections suivantes expliquent comment les nouvelles données influencent les recommandations en temps réel et par lots avant la prochaine formation.
**Topics**
+ [Comment les nouvelles données influencent les recommandations en temps réel](how-new-data-influences-recommendations.md)
+ [Comment les nouvelles données influencent les recommandations par lots (ressources personnalisées)](how-new-data-influences-batch-recommendations.md)
# Comment les nouvelles données influencent les recommandations en temps réel
Une fois que vous avez créé une version de recommandation ou de solution personnalisée, l'influence des nouvelles données sur les recommandations en temps réel dépend du type de données, de la méthode d'importation et du cas d'utilisation du domaine ou de la recette personnalisée que vous utilisez. Les sections suivantes expliquent comment les nouvelles données influencent les recommandations en temps réel avant la prochaine formation.
La formation peut être une formation automatique hebdomadaire dispensée par un recommandant ou une création automatique ou manuelle de versions de solutions. Pour un entraînement manuel avec personnalisation utilisateur, omettez-le `trainingMode` pour utiliser le mode d'entraînement par défaut`FULL`.
**Topics**
+ [Nouvelles interactions](#new-interactions)
+ [Nouveaux articles](#new-items)
+ [Nouveaux utilisateurs](#new-users)
+ [Nouvelles actions](#new-actions)
## Nouvelles interactions
Les nouvelles interactions sont des interactions entre des objets ou des actions que vous importez après le dernier entraînement. Qu'il s'agisse de données en temps réel ou en masse, si les interactions impliquent un nouvel élément ou une nouvelle action, Amazon Personalize peut envisager de le faire pour des recommandations sans formation si votre recette ou votre cas d'utilisation inclut l'exploration. Pour plus d’informations, consultez [Nouveaux articles](#new-items) ou [Nouvelles actions](#new-actions).
**Événements en temps réel**
Pour les cas d'utilisation et les recettes proposant une personnalisation en temps réel, Amazon Personalize utilise immédiatement les interactions en temps réel entre un utilisateur et les éléments ou actions présentés lors de la dernière formation. Lors de la génération de recommandations pour l'utilisateur participant à l'événement, Amazon Personalize utilise ces interactions en temps réel. Pour plus d'informations sur la personnalisation en temps réel, consultez[Personnalisation en temps réel](use-case-recipe-features.md#about-real-time-personalization).
Pour tous les cas d'utilisation de domaines et les recettes personnalisées qui ne proposent pas de personnalisation en temps réel, comme la recommandation d'éléments similaires, votre modèle apprend des données d'interactions en temps réel uniquement après l'entraînement.
**Interactions en masse**
*Pour *les interactions en masse*, qu'il s'agisse de tâches d'importation incrémentielle ou complète de jeux de données, votre modèle apprend des interactions par éléments ou des interactions par action en masse uniquement après l'entraînement suivant.* Les données en masse ne sont pas utilisées pour mettre à jour les recommandations de personnalisation en temps réel.
Pour plus d'informations sur l'importation d'un plus grand nombre de données en masse, consultez[Importation de données en masse dans Amazon Personalize à l'aide d'une tâche d'importation de jeux de données](bulk-data-import-step.md).
## Nouveaux articles
Les nouveaux objets sont des objets que vous importez après le dernier entraînement. Ils peuvent provenir de données d'interactions ou de métadonnées d'éléments d'un jeu de données d'articles.
Les nouveaux éléments sont pris en compte pour les recommandations comme suit :
+ Pour les domaines *Top Sicks for you* et *Recommended for you*, ou User-Personalization-v 2, User-Personalization, ou Next-Best-Action Recipes, Amazon Personalize met automatiquement à jour le modèle toutes les deux heures. Après chaque mise à jour, Amazon Personalize prend en compte les nouveaux articles pour obtenir des recommandations dans le cadre de l'exploration. Lors de l'examen du nouvel article, Amazon Personalize prend en compte toutes les métadonnées associées à l'article. Toutefois, ces données n'auront un effet plus important sur les recommandations qu'une fois que vous aurez enregistré les interactions relatives à l'élément et que vous aurez entraîné un nouveau modèle. Pour plus d'informations sur les mises à jour, consultez[Mises à jour automatiques](use-case-recipe-features.md#automatic-updates).
+ Si vous utilisez le cas d'utilisation *Trending now*, Amazon Personalize évalue automatiquement les données de vos interactions toutes les deux heures et identifie les articles tendance. Vous n'avez pas à attendre que votre conseiller s'entraîne. Si vous utilisez la *recette Trending-Now*, Amazon Personalize prend automatiquement en compte tous les nouveaux articles selon des intervalles configurables, sans formation. Pour plus d'informations sur la configuration des intervalles, consultez[Recette Trending-Now](native-recipe-trending-now.md).
+ Si vous n'utilisez pas la recette Trending-Now ou si votre cas d'utilisation ou recette ne prend pas en charge les mises à jour automatiques, Amazon Personalize ne prendra en compte les nouveaux articles qu'après la prochaine formation.
## Nouveaux utilisateurs
Les nouveaux utilisateurs sont des utilisateurs que vous importez après la dernière formation. Ils peuvent provenir de données d'interactions ou de métadonnées utilisateur dans un ensemble de données utilisateurs. Pour les nouveaux utilisateurs anonymes (utilisateurs sans UserID), vous pouvez enregistrer les événements de l'utilisateur avec un identifiant `sessionId` et Amazon Personalize associera les événements à l'utilisateur avant qu'il ne se connecte. Pour de plus amples informations, veuillez consulter [Enregistrement d'événements pour les utilisateurs anonymes](recording-events.md#recording-anonymous-user-events).
Amazon Personalize génère des recommandations pour les nouveaux utilisateurs comme suit :
+ Si vous utilisez le cas d'utilisation du domaine Trending now ou la recette personnalisée Trending-Now, les nouveaux utilisateurs reçoivent immédiatement des recommandations pour les articles les plus populaires. Si vous utilisez la recette Popularity-Count, les nouveaux utilisateurs reçoivent immédiatement des recommandations pour les articles présentant le plus d'interactions.
+ Pour les recettes ou les cas d'utilisation fournissant des recommandations personnalisées aux utilisateurs, les recommandations destinées aux nouveaux utilisateurs sont basées sur l'historique des premières interactions de vos utilisateurs existants. Les premiers éléments ou actions avec lesquels ces utilisateurs existants ont interagi sont plus susceptibles d'être recommandés aux nouveaux utilisateurs. Pour les recettes de personnalisation utilisateur ou de classement personnalisé, si vous définissez `recency_mask` cette option, les recommandations incluent également des éléments basés sur les dernières tendances de popularité dans vos données d'interactions. `true`
Les éléments suivants peuvent accroître la pertinence des recommandations pour les nouveaux utilisateurs :
+ Données relatives aux interactions : le principal moyen d'améliorer la pertinence des recommandations pour un nouvel utilisateur est d'importer les données issues de ses interactions avec vos articles. Pour plus d'informations sur la manière dont les nouvelles données d'interactions influencent les recommandations, voir[Nouvelles interactions](#new-interactions).
+ Métadonnées utilisateur : l'importation de métadonnées utilisateur, telles que GENDER ou MEMBERSHIP\$1STATUS, peut améliorer les recommandations. Pour que les métadonnées influencent les recommandations, vous devez attendre la fin de la formation automatique hebdomadaire de votre recommandeur de domaine. Vous devez également créer manuellement une nouvelle version de solution.
+ Métadonnées contextuelles : si votre cas d'utilisation ou votre recette prend en charge les métadonnées contextuelles et que votre jeu de données sur les interactions entre articles contient des champs de métadonnées pour les données contextuelles, vous pouvez fournir le contexte de l'utilisateur dans votre demande de recommandations. Cela ne nécessite pas de reconversion. Pour de plus amples informations, veuillez consulter [Améliorer la pertinence des recommandations grâce aux métadonnées contextuelles](contextual-metadata.md).
## Nouvelles actions
Les nouvelles actions sont des actions que vous importez depuis la dernière formation. Ils peuvent provenir de données d'interaction d'action ou d'actions d'un ensemble de données Actions.
Avec Next-Best-Action cette recette, Amazon Personalize met automatiquement à jour une version de la solution toutes les deux heures. Après chaque mise à jour, Amazon Personalize envisage de nouvelles actions et recommandations dans le cadre de l'exploration. Lors de l'examen de la nouvelle action, Amazon Personalize prend en compte toutes les métadonnées associées à l'action. Toutefois, ces données n'auront un effet plus important sur les recommandations qu'une fois que vous aurez enregistré les interactions liées à l'action et que vous vous serez complètement réentraîné. Pour plus d'informations sur les mises à jour, voir [Mises à jour automatiques](use-case-recipe-features.md#automatic-updates)
# Comment les nouvelles données influencent les recommandations par lots (ressources personnalisées)
Après avoir créé une version de solution personnalisée, l'influence des nouvelles données sur les recommandations par lots dépend du type de données, de la méthode d'importation et de la recette personnalisée que vous utilisez.
Pour les segments d'utilisateurs, Amazon Personalize génère des segments en utilisant uniquement les données présentes lors de la dernière formation sur la version complète de la solution. Et Amazon Personalize utilise uniquement les données en masse que vous avez importées en mode d'importation COMPLET (en remplacement des données existantes). Pour plus d'informations sur les segments d'utilisateurs, consultez[Obtenir des segments d'utilisateurs par lots avec des ressources personnalisées](getting-user-segments.md).
Lors de la génération des recommandations relatives aux articles par lots, Amazon Personalize prend en compte toutes les données groupées présentes au moment de la création de la dernière version de la solution. Ces données peuvent être importées avec le mode d'importation FULL ou INCREMENTAL. Pour que les nouveaux enregistrements groupés influencent les recommandations par lots, vous devez créer une nouvelle version de solution, puis créer la tâche d'inférence par lots.
Les sections suivantes expliquent comment les importations individuelles influencent les recommandations relatives aux articles par lots.
**Topics**
+ [Nouvelles interactions](#batch-new-interactions)
+ [Nouveaux utilisateurs](#batch-new-users)
+ [Nouveaux articles](#batch-new-items)
## Nouvelles interactions
Si vous utilisez une recette USER\$1PERSONALIZATION ou PERSONALIZED\$1RANKING, Amazon Personalize prend en compte les données relatives aux interactions entre les articles existants et les utilisateurs dans les 15 minutes suivant l'importation des données. Ces éléments et utilisateurs doivent avoir été présents lors de la dernière formation. Pour vous assurer que les événements sont pris en compte, nous vous recommandons d'attendre au moins 15 minutes avant de démarrer une tâche d'inférence par lots. Pour toutes les autres recettes et pour les événements impliquant de nouveaux articles ou de nouveaux utilisateurs, vous devez créer une nouvelle version de solution pour les événements diffusés en continu afin d'influencer les recommandations par lots.
## Nouveaux utilisateurs
Pour les utilisateurs ne disposant pas de données d'interactions, les recommandations concernent initialement uniquement les éléments populaires. Si vous utilisez une recette USER\$1PERSONALIZATION ou PERSONALIZED\$1RANKING et que vous enregistrez des événements pour l'utilisateur, ses recommandations peuvent devenir plus pertinentes environ 15 minutes après l'importation, sans formation préalable. Pour vous assurer que les événements sont pris en compte, nous vous recommandons d'attendre au moins 15 minutes avant de démarrer une tâche d'inférence par lots. Pour toutes les autres recettes, vous devez créer une nouvelle version de solution pour les événements diffusés en continu afin d'influencer les recommandations par lots pour les utilisateurs ne disposant pas de données d'interaction.
## Nouveaux articles
Avec User-Personalization-v 2 et User-Personalization, lorsque vous créez une tâche d'inférence par lots et que vous spécifiez la dernière version de solution entièrement entraînée pour votre solution, Amazon Personalize met automatiquement à jour la version de la solution pour inclure de nouveaux éléments dans les recommandations avec exploration. Si vous ne spécifiez pas la dernière version de la solution, aucune mise à jour n'est effectuée. Pour toute autre recette, vous devez créer une nouvelle version de solution pour que les nouveaux éléments figurent dans les recommandations par lots. Pour plus d'informations sur l'exploration, consultez[Exploration](use-case-recipe-features.md#about-exploration).