本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Amazon Personalize 詞彙
<a name="terms"></a>

 本節介紹 Amazon Personalize 中使用的術語。

**Topics**
+ [資料匯入和管理](#data-terms)
+ [培訓](#training-terms)
+ [模型部署和建議](#deployment-terms)

## 資料匯入和管理
<a name="data-terms"></a>

下列術語與在 Amazon Personalize 中匯入、匯出和格式化資料相關。

**動作資料集**  
用於動作中繼資料的容器。動作是您可能想要建議使用者參與或產生收入的活動，例如安裝您的行動應用程式或加入您的忠誠度計劃。動作的中繼資料可能包括動作的過期時間戳記、值、重複頻率資料和分類中繼資料。此類型的資料僅供 使用[Next-Best-Action 配方](native-recipe-next-best-action.md)。

**動作互動資料集**  
 容器，用於從使用者和動作之間的互動中收集的歷史和即時資料。每個動作互動都包含 userID、actionID、時間戳記、事件類型，以及與互動相關的任何其他資料，例如分類中繼資料。此類型的資料僅供 使用[Next-Best-Action 配方](native-recipe-next-best-action.md)。

**內容中繼資料**  
事件發生 （例如按一下） 時，您收集有關使用者瀏覽內容 （例如所使用的裝置或位置） 的互動資料。內容中繼資料可以改善新使用者和現有使用者的建議相關性。

**dataset**  
您上傳至 Amazon Personalize 之資料的容器。Amazon Personalize 資料集有五種類型：使用者、項目、項目互動資料集、動作互動資料集和動作。

**資料集群組**  
Amazon Personalize 資源的容器，包括資料集、網域建議者和自訂資源。資料集群組會將您的資源組織成獨立的集合，其中來自一個資料集群組的資源不會影響任何其他資料集群組中的資源。資料集群組可以是網域資料集群組或自訂資料集群組。

**網域資料集群組**  
資料集群組，其中包含適用於不同業務網域和使用案例的預先設定資源。Amazon Personalize 會管理訓練模型和部署的生命週期。當您建立網域資料集群組時，您可以選擇您的業務網域、匯入資料，並為每個使用案例建立推薦者。您可以在應用程式中使用建議程式來取得 GetRecommendations 操作的建議。  
 如果您從網域資料集群組開始，您仍然可以新增自訂資源，例如使用自訂使用案例配方訓練的解決方案和解決方案版本。

**自訂資料集群組**  
僅包含自訂資源的資料集群組，包括解決方案、解決方案版本、篩選條件、行銷活動和批次推論任務。您可以使用行銷活動來取得 GetRecommendations 操作的建議。您可以管理訓練模型和部署的生命週期。如果您從自訂資料集群組開始，則無法稍後將其與網域建立關聯。請改為建立新的網域資料集群組。

**資料集匯出任務**  
記錄匯出工具，可將資料集中的記錄輸出至 Amazon S3 儲存貯體中的一或多個 CSV 檔案。輸出 CSV 檔案包含標頭列，其中包含符合資料集結構描述中欄位的資料欄名稱。

**資料集匯入任務**  
 使用來自 Amazon S3 儲存貯體中 CSV 檔案的資料填入 Amazon Personalize 資料集的大量匯入工具。

**事件**  
您記錄並上傳至 Amazon Personalize Item 互動資料集的使用者動作，例如點選、購買或影片檢視。您可以從 CSV 檔案大量匯入事件、使用 Amazon Personalize 主控台遞增，以及即時匯入事件。

**明確印象**  
 您手動新增至 Amazon Personalize Item 互動資料集的項目清單。與 Amazon Personalize 從您的建議資料自動衍生的隱含印模不同，您可以選擇要包含在明確印模中的內容。

**隱含印模**  
 您的應用程式顯示使用者的建議。與手動新增至項目互動資料集的明確印模不同，Amazon Personalize 會自動從您的建議資料衍生隱含印模。

**曝光資料**  
 您在使用者與特定項目互動時，透過按一下、觀看、購買等方式呈現給使用者的項目清單。Amazon Personalize 會根據使用者選取或忽略相同項目的頻率，使用曝光資料來計算使用者新項目的相關性。

**互動資料集**  
容器，用於從使用者和項目之間的互動 （稱為*[事件](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#event)*) 收集的歷史和即時資料。互動資料可以包含事件類型資料和[內容中繼資料](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#contextual-metadata)。

**項目資料集**  
用於項目中繼資料的容器，例如價格、類型或可用性。

**重複頻率**  
您可以匯入至動作資料集的動作中繼資料類型。重複頻率資料會根據使用者在動作互動資料集中的歷史記錄，指定 Amazon Personalize 在使用者與其互動後應等待多少天才建議特定動作。

**結構描述**  
[Apache Avro](https://avro.apache.org/docs/current/) 格式的 JSON 物件，可告知 Amazon Personalize 您資料的結構。Amazon Personalize 使用您的結構描述來剖析您的資料。

**使用者資料集**  
用於使用者中繼資料的容器，例如年齡、性別或忠誠度成員資格。

## 培訓
<a name="training-terms"></a>

下列術語與在 Amazon Personalize 中訓練模型相關。

**item-to-item相似性 (SIMS) 配方**  
 *[RELATED\_ITEMS](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#related-items)* 配方，使用互動資料集的資料，針對類似指定項目的項目提出建議。SIMS 配方會根據使用者與項目互動的方式計算相似性，而非相符的項目中繼資料，例如價格或顏色。

**項目親和性**  
USER\_SEGMENTATION 配方，使用來自項目互動資料集和項目資料集的資料，根據您指定的每個項目，建立使用者區段，取決於使用者與項目互動的可能性。

**item-attribute-affinity**  
USER\_SEGMENTATION 配方，使用項目互動資料集和項目資料集中的資料，根據您指定的每個項目屬性，建立使用者區段，取決於使用者與具有 屬性的項目互動的可能性。

**Next-Best-Action 配方**  
此配方會為您的使用者產生下一個最佳動作的即時建議。使用者的下一個最佳動作是他們最有可能採取的動作。例如，註冊您的忠誠度計劃、下載您的應用程式或申請信用卡。如需詳細資訊，請參閱[Next-Best-Action 配方](native-recipe-next-best-action.md)。

**Personalized-Ranking-v2 配方**  
 *[PersonalIZED\_RANKING](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#personalized-ranking-recipes)* 配方會根據特定使用者的預測興趣等級，為您提供的項目集合進行排名。此配方使用轉換器型架構來訓練從項目互動資料、項目中繼資料和使用者中繼資料中學習的模型。使用 Personalized-Ranking-v2 配方來個人化為特定使用者個人化的項目或搜尋結果的精選清單順序。它最多可訓練 500 萬個項目，並產生比先前版本更低延遲的更多相關建議。

**個人化排名配方**  
 *[PersonalIZED\_RANKING](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#personalized-ranking-recipes)* 配方會根據特定使用者的預測興趣等級，為您提供的項目集合進行排名。使用個人化排名配方來個人化為特定使用者個人化項目或搜尋結果的精選清單順序。

**popularity-count 配方**  
*[USER\_PERSONALIZATION](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* 配方建議與唯一使用者互動最多的項目。

**推薦者**  
產生建議的網域資料集群組工具。您可以為網域資料集群組建立建議程式，並在應用程式中使用 透過 GetRecommendations API 取得即時建議。當您建立推薦者時，您可以指定使用案例，Amazon Personalize 會使用最適合使用案例的組態來訓練支援推薦者的模型。

**recipe**  
Amazon Personalize 演算法，預先設定為預測使用者將與之互動的項目 （適用於 USER\_PERSONALIZATION 配方），或計算類似於使用者對 （適用於 RELATED\_ITEMS 配方） 表示興趣的特定項目的項目，或根據您針對特定使用者的預測興趣為您提供的項目集合排名 （適用於 PersonalIZED\_RANKING 配方）。

**解決方案**  
Amazon Personalize 用來產生建議的配方、自訂參數和訓練模型 （解決方案版本）。

**解決方案版本**  
您在 Amazon Personalize 中作為解決方案一部分建立的訓練模型。您可以在行銷活動中部署解決方案版本，以啟用用於請求建議的個人化 API。

**訓練模式**  
 建立解決方案版本時要執行的訓練範圍。有兩種不同的模式：FULL 和 UPDATE。FULL 模式會根據資料集群組中資料集的完整訓練資料，建立全新的解決方案版本。UPDATE 會逐步更新現有的解決方案版本，以建議自上次訓練以來新增的項目。  
 透過 User-Personalization-v2、User-Personalization 或 Next-Best-Action，Amazon Personalize 會自動更新以 FULL 訓練模式訓練的最新解決方案版本。請參閱 [自動更新](use-case-recipe-features.md#automatic-updates)。

**User-Personalization-v2 配方**  
 *[USER\_PERSONALIZATION](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* 配方，建議使用者根據其偏好設定與之互動的項目。此配方使用轉換器型架構來訓練從項目互動資料、項目中繼資料和使用者中繼資料中學習的模型。它最多可訓練 500 萬個項目，並產生比先前版本更低延遲的更多相關建議。

**使用者個人化配方**  
階層式遞歸神經網路 (HRNN) 型 *[USER\_PERSONALIZATION](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#user-personalization-recipes)* 配方，可預測使用者將互動的項目。使用者個人化配方可以使用項目探索和曝光資料來產生新項目的建議。

## 模型部署和建議
<a name="deployment-terms"></a>

下列術語與部署和使用模型產生建議相關。

**動作最佳化期間**  
Amazon Personalize 在預測使用者最可能採取的動作時使用的期間。例如，如果動作最佳化期間為 14 天，Amazon Personalize 會預測使用者未來 14 天內最可能採取的動作。當您使用 建立解決方案時，您可以設定動作最佳化期間[Next-Best-Action 配方](native-recipe-next-best-action.md)。

**批次推論任務**  
 從 Amazon S3 儲存貯體匯入批次輸入資料、使用您的解決方案版本產生建議，以及將建議匯出至 Amazon S3 儲存貯體的工具。建議您為輸出資料使用不同的位置 （資料夾或不同的 Amazon S3 儲存貯體）。使用批次推論任務，取得不需要即時更新的大型資料集建議。

**批次區段任務**  
 從 Amazon S3 儲存貯體匯入批次輸入資料、使用您的解決方案版本建立使用者區段，以及將使用者區段匯出至 Amazon S3 儲存貯體的工具。建議您為輸出資料使用不同的位置 （資料夾或不同的 Amazon S3 儲存貯體）。使用批次區段任務搭配 USER\_SEGMENTATION 配方支援的解決方案，根據使用者與不同項目或具有不同項目屬性的項目互動的可能性來建立使用者區段。

**行銷活動**  
部署的解決方案版本 （訓練模型），具有佈建的專用交易容量，可為您的應用程式使用者建立即時建議。建立行銷活動後，您可以使用 `getRecommendations`或 `getPersonalizedRanking` API 操作來取得建議。

**項目探索**  
 透過探勘，建議包括一些通常較不建議使用者使用的項目或動作，例如新項目或動作、很少互動的項目或動作，或根據使用者先前的行為，與使用者較不相關的項目或動作。

**指標屬性**  
 您用來測量項目建議影響的工具。指標屬性會根據您匯入的項目互動和項目資料，以及您指定的指標來建立報告。例如，使用者監看的電影總長度，或點選事件總數。

**建議**  
 Amazon Personalize 預測使用者將與之互動的項目清單。根據使用的 Amazon Personalize 配方，建議可以是項目清單 (USER\_PERSONALIZATION 配方和 RELATED\_ITEMS 配方），或您提供的項目集合排名 (PERSONALIZED\_RANKING 配方）。

**使用者區段**  
 Amazon Personalize 預測使用者將與您的目錄互動的使用者清單。根據使用的 USER\_SEGMENTATION 配方，您可以根據項目 （項目親和性配方） 項目中繼資料 Item-Attribute-Affinity配方） 建立使用者區段。您可以使用批次區段任務建立使用者區段。