本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Amazon Personalize 中的实时物品推荐
<a name="recommendations"></a>

 如果您的应用场景或配方生成了物品推荐，那么在[创建推荐器](creating-recommenders.md)或[创建市场活动](campaigns.md)之后，即可为用户获取实时的个性化或相关物品推荐。

 如果您的域应用场景或配方提供[实时个性化](use-case-recipe-features.md#about-real-time-personalization)（例如*热门精选*应用场景或 *User-Personalization-v2* 配方），则当您记录用户与目录的交互时，Amazon Personalize 会根据用户的最新活动更新推荐。有关记录实时事件和个性化设置的更多信息，请参阅[记录实时事件以影响推荐](recording-events.md)。

 获得实时物品推荐后，您可以执行以下操作：
+  如果您将市场活动配置为返回推荐物品的元数据，则可以指定要包括在 [GetRecommendations](API_RS_GetRecommendations.md) API 操作中的列。或者，您可以在使用 Amazon Personalize 控制台测试市场活动时指定列。有关代码示例，请参阅[获取实时推荐的物品元数据](getting-recommendations-with-metadata.md)。有关为市场活动启用元数据的信息，请参阅[推荐中的物品元数据](campaigns.md#create-campaign-return-metadata)。有关为推荐器启用元数据的信息，请参阅[在推荐中为 Amazon Personalize 中的域推荐器启用元数据](create-recommender-return-metadata.md)。
+  对于某些应用场景和配方，您可以在推荐请求中指定推广。*推广* 定义了其他业务规则，这些规则适用于可配置的建议物品子集。有关更多信息，请参阅 [通过实时推荐推广物品](promoting-items.md)。
+  您可以根据自定义条件筛选结果。例如，您可能不想推荐用户已经购买的产品，或者只推荐针对特定年龄段的物品。有关更多信息，请参阅 [筛选建议和用户细分](filter.md)。

**注意**  
 如果您使用了 PERSONALIZED\_RANKING 自定义食谱，请参阅[获取个性化排名（自定义资源）](rankings.md)。

**Topics**
+ [推荐评分的工作原理（自定义资源）](#how-recommendation-scoring-works)
+ [User-Personalization-v2 的推荐理由](#recommendation-reasons)
+ [获取实时物品推荐](getting-real-time-item-recommendations.md)
+ [获取实时推荐的物品元数据](getting-recommendations-with-metadata.md)
+ [通过实时推荐推广物品](promoting-items.md)

## 推荐评分的工作原理（自定义资源）
<a name="how-recommendation-scoring-works"></a>

借助 User-Personalization-v2 和 User-Personalization 配方，Amazon Personalize 可根据用户的交互数据和元数据为物品生成分数。这些分数表示 Amazon Personalize 对于用户是否与接下来的物品交互的相对确定性。分数越高，意味着确定性越大。

**注意**  
Amazon Personalize 不会显示域推荐器或者 Similar-Items、SIMS 或 Popularity-Count 食谱的分数。有关 Personalized-Ranking 建议分数的信息，请参阅 [个性化排名评分的工作原理](rankings.md#how-ranking-scoring-works)。

Amazon Personalize 会为每个物品生成一个分数，表示该物品与其他物品之间的相对关系，分数范围从 0 到 1（包括 0 和 1）。借助 User-Personalization-v2，Amazon Personalize 可为部分物品生成分数。借助 User-Personalization，Amazon Personalize 可对目录中的所有物品评分。

 如果您使用 User-Personalization-v2 并对推荐应用筛选条件，那么根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符物品。这样做是为了符合推荐请求的 `numResults`。这些物品是基于交互数据量的热门物品，符合您的筛选条件。它们没有针对用户的相关性评分。

对于 User-Personalization-v2 和 User-Personalization，所有分数的总和等于 1。例如，如果您要获取用户的影片推荐，并且物品数据集和交互数据集中显示了三部影片，则其分数可能为 `0.6`、`0.3` 和 `0.1`。同样，如果您的库存中有 1 万部电影，则得分最高的电影的分数可能非常小（平均分数为 `.001`），但由于评分是相对的，推荐仍然有效。

在数学术语中，每个用户-物品对（u,i）的分数是根据以下公式计算的，其中 `exp` 是指数函数，w̅u 和 wi/j 分别是用户和物品嵌入内容，希腊字母西格玛（Σ）表示包含分数的所有物品的总和：

![描绘了用于计算推荐中每个物品分数的公式。](http://docs.aws.amazon.com/zh_cn/personalize/latest/dg/images/get_recommendations_score.png)


## User-Personalization-v2 的推荐理由
<a name="recommendation-reasons"></a>

如果您使用 User-Personalization-v2，模型通常不会推荐的物品会包含一个 `reason` 清单。这些理由说明了为什么在推荐中包括该物品。可能的原因包括：
+ 推广物品 - 表示您在推荐请求中应用的推广活动中包括该物品。
+ 浏览 - 表示该物品包括在浏览中。使用浏览时，推荐包括的物品具有更少的交互数据或用户相关性。有关浏览的更多信息，请参阅[浏览](https://docs.aws.amazon.com/personalize/latest/dg/use-case-recipe-features.html#about-exploration)。
+  热门物品 - 表示该物品作为占位符热门物品包括在内。如果您使用筛选条件，那么根据筛选条件删除的推荐数量，Amazon Personalize 可能会添加占位符物品以满足推荐请求的 `numResults`。这些物品是基于交互数据的热门物品，符合您的筛选条件。它们没有针对用户的相关性评分。