Cara kerja penilaian rekomendasi (sumber daya khusus) - Amazon Personalize

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Cara kerja penilaian rekomendasi (sumber daya khusus)

Dengan resep User-personalization-v2 dan User-Personalization, Amazon Personalize menghasilkan skor untuk item berdasarkan data interaksi pengguna dan metadata. Skor ini mewakili kepastian relatif yang dimiliki Amazon Personalize apakah pengguna akan berinteraksi dengan item berikutnya. Skor yang lebih tinggi mewakili kepastian yang lebih besar.

catatan

Amazon Personalize tidak menampilkan skor untuk pemberi rekomendasi domain atau resep Similar-Item, SIMS, atau Hitung Popularitas. Untuk informasi tentang skor untuk rekomendasi Personalized-Ranking, lihat. Cara kerja penilaian peringkat yang dipersonalisasi

Amazon Personalize menghasilkan skor untuk item relatif satu sama lain dalam skala dari 0 hingga 1 (keduanya inklusif). Dengan User-personalization-v2, Amazon Personalize menghasilkan skor untuk subset item Anda. Dengan Personalisasi Pengguna, Amazon Personalize menilai semua item dalam katalog Anda.

Jika Anda menggunakan User-personalization-v2 dan menerapkan filter ke rekomendasi, tergantung pada berapa banyak rekomendasi yang dihapus filter, Amazon Personalize dapat menambahkan item placeholder. Hal ini dilakukan numResults untuk memenuhi permintaan rekomendasi Anda. Item ini adalah item populer, berdasarkan jumlah data interaksi, yang memenuhi kriteria filter Anda. Mereka tidak memiliki skor relevansi bagi pengguna.

Untuk User-personalization-v2 dan User-Personalization, total semua skor sama dengan 1. Misalnya, jika Anda mendapatkan rekomendasi film untuk pengguna dan ada tiga film yang muncul dalam kumpulan data Item dan kumpulan data Interaksi, skornya mungkin0.6,0.3, dan. 0.1 Demikian pula, jika Anda memiliki 10.000 film dalam inventaris Anda, film dengan skor tertinggi mungkin memiliki skor yang sangat kecil (skor rata-rata.001), tetapi, karena skornya relatif, rekomendasinya masih berlaku.

Dalam istilah matematika, skor untuk setiap pasangan item pengguna (u, i) dihitung sesuai dengan rumus berikut, di mana fungsi eksponensial, w u dan wi/jmasing-masing exp adalah penyematan pengguna dan item, dan huruf Yunani sigma (Σ) mewakili penjumlahan atas semua item dengan skor:

Menggambarkan rumus yang digunakan untuk menghitung skor untuk setiap item dalam rekomendasi.