Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Memperbarui data dalam kumpulan data setelah pelatihan Seiring pertumbuhan katalog Anda, impor data pelatihan tambahan ke dalam kumpulan data Anda. Ini membantu menjaga dan meningkatkan relevansi rekomendasi Amazon Personalize. Anda dapat mengimpor lebih banyak data dengan operasi impor data massal atau individual. + Dengan impor individual, Amazon Personalize menambahkan catatan baru ke kumpulan data. Untuk memperbarui item, pengguna, atau tindakan individual, Anda dapat mengimpor rekaman dengan ID yang sama tetapi dengan atribut yang dimodifikasi. Anda dapat mengimpor hingga 10 catatan per operasi impor individual. Untuk informasi selengkapnya tentang mengimpor catatan secara individual, lihat[Mengimpor catatan individual ke dalam kumpulan data Amazon Personalize](incremental-data-updates.md). Untuk informasi tentang merekam peristiwa waktu nyata, lihat[Merekam peristiwa waktu nyata untuk memengaruhi rekomendasi](recording-events.md). + Dengan impor massal, Anda menambah atau mengganti data massal dengan [membuat pekerjaan impor lain](bulk-data-import-step.md). Secara default, pekerjaan impor dataset menggantikan data yang ada dalam kumpulan data yang Anda impor secara massal. Sebagai gantinya, Anda dapat menambahkan catatan baru ke data yang ada dengan mengubah [mode impor](bulk-data-import-step.md#bulk-import-modes) pekerjaan. Untuk menambahkan data ke kumpulan data interaksi Item atau Kumpulan data interaksi tindakan dengan pekerjaan impor kumpulan data, Anda harus memiliki minimal 1000 interaksi item baru atau catatan interaksi tindakan. Dalam waktu 20 menit setelah menyelesaikan impor massal, Amazon Personalize memperbarui filter apa pun yang Anda buat di grup kumpulan data dengan data massal baru Anda. Pembaruan ini memungkinkan Amazon Personalize untuk menggunakan data terbaru saat memfilter rekomendasi untuk pengguna Anda. Setelah membuat kumpulan data Item atau Pengguna, Anda dapat mengganti skema dengan yang baru atau yang sudah ada. Anda dapat mengganti skema kumpulan data jika struktur data Anda berubah setelah Anda membuat kumpulan data. Misalnya, Anda mungkin memiliki kolom metadata item baru yang ingin dipertimbangkan Amazon Personalize selama pelatihan. Atau Anda mungkin ingin menambahkan kolom data untuk digunakan hanya saat memfilter rekomendasi. Untuk informasi selengkapnya, lihat [Mengganti skema dataset untuk menambahkan kolom baru](updating-dataset-schema.md). Setelah Anda membuat versi rekomendasi atau solusi kustom, bagaimana data baru memengaruhi rekomendasi bergantung pada jenisnya, metode impor, dan kasus penggunaan domain atau resep khusus yang Anda gunakan. Bagian berikut menjelaskan bagaimana data baru memengaruhi rekomendasi real-time dan batch sebelum pelatihan berikutnya. **Topics** + [ # Bagaimana data baru memengaruhi rekomendasi waktu nyata ](how-new-data-influences-recommendations.md) + [ # Bagaimana data baru memengaruhi rekomendasi batch (sumber daya khusus) ](how-new-data-influences-batch-recommendations.md) # Bagaimana data baru memengaruhi rekomendasi waktu nyata Setelah Anda membuat versi rekomendasi atau solusi kustom, bagaimana data baru memengaruhi rekomendasi waktu nyata bergantung pada jenis data, metode impor, dan kasus penggunaan domain atau resep khusus yang Anda gunakan. Bagian berikut menjelaskan bagaimana data baru memengaruhi rekomendasi waktu nyata sebelum pelatihan berikutnya. Pelatihan dapat berupa pelatihan otomatis mingguan pemberi rekomendasi, atau pembuatan versi solusi otomatis atau manual. Untuk pelatihan manual dengan User-Personalization, hilangkan `trainingMode` untuk menggunakan mode pelatihan default. `FULL` **Topics** + [ ## Interaksi baru ](#new-interactions) + [ ## Item baru ](#new-items) + [ ## Pengguna baru ](#new-users) + [ ## Tindakan baru ](#new-actions) ## Interaksi baru Interaksi baru adalah interaksi item atau tindakan yang Anda impor setelah pelatihan terbaru. Untuk data real-time dan massal, jika interaksi melibatkan item atau tindakan baru, Amazon Personalize dapat mempertimbangkannya untuk rekomendasi tanpa pelatihan jika resep atau kasus penggunaan Anda menampilkan eksplorasi. Untuk informasi selengkapnya, lihat [Item baru](#new-items) atau [Tindakan baru](#new-actions). **Acara waktu nyata** Untuk kasus penggunaan dan resep yang menampilkan personalisasi waktu nyata, Amazon Personalize segera menggunakan interaksi real-time antara pengguna dan item atau tindakan yang ada di pelatihan terbaru. Saat membuat rekomendasi untuk pengguna di ventilasi, Amazon Personalize menggunakan interaksi real-time ini. Untuk informasi selengkapnya tentang personalisasi waktu nyata, lihat[Personalisasi waktu nyata](use-case-recipe-features.md#about-real-time-personalization). Untuk kasus penggunaan domain dan resep khusus yang tidak menampilkan personalisasi waktu nyata, seperti merekomendasikan item serupa, model Anda belajar dari data interaksi waktu nyata hanya setelah pelatihan. **Interaksi massal** Untuk *interaksi massal*, untuk pekerjaan impor kumpulan data tambahan *dan* penuh, model Anda belajar dari interaksi item massal atau data interaksi tindakan hanya setelah pelatihan berikutnya. Data massal tidak digunakan untuk memperbarui rekomendasi untuk personalisasi waktu nyata. Untuk informasi selengkapnya tentang mengimpor lebih banyak data massal, lihat[Mengimpor data massal ke Amazon Personalisasi dengan pekerjaan impor kumpulan data](bulk-data-import-step.md). ## Item baru Item baru adalah item yang Anda impor setelah pelatihan terbaru. Mereka dapat berasal dari data interaksi atau metadata item dalam kumpulan data Item. Item baru dipertimbangkan untuk rekomendasi sebagai berikut: + Untuk *Pilihan teratas untuk Anda* dan *Direkomendasikan untuk* kasus domain atau User-Personalization-v 2 kasus, Personalisasi Pengguna, atau resep, Next-Best-Action Amazon Personalize secara otomatis memperbarui model setiap dua jam. Setelah setiap pembaruan, Amazon Personalize mempertimbangkan item baru untuk rekomendasi sebagai bagian dari eksplorasi. Saat mempertimbangkan item baru, Amazon Personalize mempertimbangkan metadata apa pun untuk item tersebut. Namun data ini akan memiliki efek yang lebih besar pada rekomendasi hanya setelah Anda merekam interaksi untuk item dan melatih model baru. Untuk informasi tentang pembaruan, lihat[Pembaruan otomatis](use-case-recipe-features.md#automatic-updates). + Jika Anda menggunakan kasus penggunaan *Trending now*, Amazon Personalize secara otomatis mengevaluasi data interaksi Anda setiap dua jam dan mengidentifikasi item yang sedang tren. Anda tidak perlu menunggu rekomendasi Anda untuk berlatih. Jika Anda menggunakan *resep Trending-Now*, Amazon Personalize secara otomatis mempertimbangkan semua item baru selama interval yang dapat dikonfigurasi tanpa pelatihan. Untuk informasi tentang mengkonfigurasi interval, lihat[Resep Trend-Now](native-recipe-trending-now.md). + Jika Anda tidak menggunakan resep Trending-Now atau kasus penggunaan atau resep Anda tidak mendukung pembaruan otomatis, Amazon Personalize akan mempertimbangkan item baru hanya setelah pelatihan berikutnya. ## Pengguna baru Pengguna baru adalah pengguna yang Anda impor setelah pelatihan terbaru. Mereka dapat berasal dari data interaksi atau metadata pengguna dalam kumpulan data Pengguna. Untuk pengguna baru dan anonim (pengguna tanpa UserID), Anda dapat merekam peristiwa untuk pengguna dengan `sessionId` dan Amazon Personalize akan mengaitkan peristiwa dengan pengguna sebelum mereka masuk. Untuk informasi selengkapnya, lihat [Merekam acara untuk pengguna anonim](recording-events.md#recording-anonymous-user-events). Amazon Personalize menghasilkan rekomendasi untuk pengguna baru sebagai berikut: + Jika Anda menggunakan kasus penggunaan domain Trending sekarang atau resep kustom Trending-Now, pengguna baru segera menerima rekomendasi untuk item tren teratas. Jika Anda menggunakan resep Popularity-Count, pengguna baru segera menerima rekomendasi untuk item dengan interaksi terbanyak. + Untuk resep atau kasus penggunaan yang memberikan rekomendasi yang dipersonalisasi untuk pengguna, rekomendasi untuk pengguna baru didasarkan pada riwayat interaksi awal pengguna Anda yang ada. Item atau tindakan pertama yang berinteraksi dengan pengguna yang ada ini lebih mungkin direkomendasikan kepada pengguna baru. Untuk resep Personalisasi Pengguna atau Peringkat Personalisasi, jika Anda `recency_mask` menyetelnya`true`, rekomendasi juga menyertakan item berdasarkan tren popularitas terbaru dalam data interaksi Anda. Berikut ini dapat meningkatkan relevansi rekomendasi untuk pengguna baru: + Data interaksi — Cara utama untuk meningkatkan relevansi rekomendasi bagi pengguna baru adalah dengan mengimpor data dari interaksi mereka dengan item Anda. Untuk informasi tentang bagaimana data interaksi baru memengaruhi rekomendasi, lihat[Interaksi baru](#new-interactions). + Metadata pengguna — Mengimpor metadata pengguna, seperti GENDER atau MEMBERSHIP\$1STATUS, dapat meningkatkan rekomendasi. Agar metadata memengaruhi rekomendasi, Anda harus menunggu pelatihan ulang otomatis mingguan pemberi rekomendasi domain Anda selesai. Atau Anda harus secara manual membuat versi solusi baru. + Metadata kontekstual — Jika kasus penggunaan atau resep Anda mendukung metadata kontekstual dan kumpulan data interaksi Item Anda memiliki bidang metadata untuk data kontekstual, Anda dapat memberikan konteks pengguna dalam permintaan rekomendasi Anda. Ini tidak memerlukan pelatihan ulang. Untuk informasi selengkapnya, lihat [Meningkatkan relevansi rekomendasi dengan metadata kontekstual](contextual-metadata.md). ## Tindakan baru Tindakan baru adalah tindakan yang Anda impor sejak pelatihan terbaru. Mereka dapat berasal dari data interaksi tindakan atau tindakan dalam kumpulan data Tindakan. Dengan Next-Best-Action resepnya, Amazon Personalize secara otomatis memperbarui versi solusi setiap dua jam. Setelah setiap pembaruan, Amazon Personalize mempertimbangkan tindakan baru untuk rekomendasi sebagai bagian dari eksplorasi. Saat mempertimbangkan tindakan baru, Amazon Personalize mempertimbangkan metadata apa pun untuk tindakan tersebut. Namun, data ini akan memiliki efek yang lebih besar pada rekomendasi hanya setelah Anda merekam interaksi tindakan untuk tindakan dan melatih ulang sepenuhnya. Untuk informasi tentang pembaruan, lihat [Pembaruan otomatis](use-case-recipe-features.md#automatic-updates) # Bagaimana data baru memengaruhi rekomendasi batch (sumber daya khusus) Setelah Anda membuat versi solusi kustom, bagaimana data baru memengaruhi rekomendasi batch bergantung pada jenis data, metode impor, dan resep kustom yang Anda gunakan. Untuk segmen pengguna, Amazon Personalize menghasilkan segmen hanya menggunakan data yang ada pada pelatihan versi solusi lengkap terakhir. Dan Amazon Personalize hanya menggunakan data massal yang Anda impor dengan mode impor FULL (menggantikan data yang ada). Untuk informasi selengkapnya tentang segmen pengguna, lihat[Mendapatkan segmen pengguna batch dengan sumber daya khusus](getting-user-segments.md). Saat membuat rekomendasi item batch, Amazon Personalize mempertimbangkan semua data massal yang ada pada saat pembuatan versi solusi terbaru. Data ini dapat diimpor dengan mode impor FULL atau INCREMENTAL. Agar catatan massal yang lebih baru dapat memengaruhi rekomendasi batch, Anda harus membuat versi solusi baru dan kemudian membuat pekerjaan inferensi batch. Bagian berikut menjelaskan bagaimana impor individu memengaruhi rekomendasi item batch. **Topics** + [ ## Interaksi baru ](#batch-new-interactions) + [ ## Pengguna baru ](#batch-new-users) + [ ## Item baru ](#batch-new-items) ## Interaksi baru Jika Anda menggunakan resep USER\$1PERSONALIZATION atau PERSONALIZED\$1RANKING, Amazon Personalize mempertimbangkan data interaksi item baru dengan item dan pengguna yang ada dalam waktu sekitar 15 menit dari impor data. Item dan pengguna ini pasti telah hadir pada pelatihan terbaru. Untuk memastikan acara dipertimbangkan, kami sarankan Anda menunggu minimal 15 menit sebelum memulai pekerjaan inferensi batch. Untuk semua resep lain, dan untuk acara dengan item atau pengguna baru, Anda harus membuat versi solusi baru untuk acara streaming untuk memengaruhi rekomendasi batch. ## Pengguna baru Untuk pengguna tanpa data interaksi, rekomendasi awalnya hanya untuk item populer. Jika Anda menggunakan resep USER\$1PERSONALIZATION atau PERSONALIZED\$1RANKING dan Anda merekam peristiwa untuk pengguna, rekomendasi mereka mungkin menjadi lebih relevan dalam waktu sekitar 15 menit setelah impor tanpa pelatihan ulang. Untuk memastikan acara dipertimbangkan, kami sarankan Anda menunggu minimal 15 menit sebelum memulai pekerjaan inferensi batch. Untuk semua resep lainnya, Anda harus membuat versi solusi baru untuk acara streaming guna memengaruhi rekomendasi batch bagi pengguna tanpa data interaksi. ## Item baru Dengan User-Personalization-v 2 dan Personalisasi Pengguna, saat Anda membuat pekerjaan inferensi batch dan menentukan versi solusi terlatih lengkap terbaru untuk solusi Anda, Amazon Personalize secara otomatis memperbarui versi solusi untuk menyertakan item baru dalam rekomendasi dengan eksplorasi. Jika Anda tidak menentukan versi solusi terbaru, tidak ada pembaruan yang terjadi. Untuk resep lainnya, Anda harus membuat versi solusi baru untuk item baru yang akan ditampilkan dalam rekomendasi batch. Untuk informasi lebih lanjut tentang eksplorasi, lihat[Eksplorasi](use-case-recipe-features.md#about-exploration).