AWS个性化:如何处理没有足够交互数据的大型目录

Question

我在一个电子商务网站上添加了一个带有Amazon个性化的产品推荐功能。我们目前有一个庞大的产品目录，数百万件。我们希望能够在我们的项目详细信息页面上使用Amazon个性化推荐当前项目的其他相关项目。

现在您可能知道，Amazon的个性化很大程度上依赖于用户交互来提供推荐。然而，由于我们只是刚刚开始我们的新业务，我们没有得到足够的交互数据。我们目录中的大多数项目根本没有交互作用。尽管有几个项目(千)得到了大量的交互，这对推荐结果产生了巨大的影响。因此，您将看到，这几个项目总是被推荐，即使它们与当前项目完全无关，创建了一个非常奇怪的建议。

我认为这就是我们通常所说的“冷启动”情况--除了通常的冷启动问题是关于“冷启动”或用户“冷启动”的问题，但我现在面临的问题是一个新的业务“冷启动”--我们没有基本的交互数据来支持完全个性化的推荐。在缺少每个项的交互数据的情况下，我们希望Amazon个性化服务依赖项元数据来提供建议。因此，理想情况下，我们希望基于项元数据推荐服务，一旦得到更多的交互，建议基于项元数据+交互。

到目前为止，我已经做了相当多的研究，只是为了找到一个解决方案--在创建活动时增加explorationWeight。正如这篇文章所指出的，较高的explorationWeight值意味着更高的勘探；较低印象的新项目更有可能被推荐。但这似乎对我没什么用。它改善了一些情况，但我仍然经常看到奇怪的结果被推荐，因为一个较高的集成率。

我不确定是否有其他解决办法来补救我的处境。如果我有一个庞大的目录，没有足够的交互数据，我如何改进推荐结果？

如果有人有任何建议我很感激。谢谢你，祝你今天愉快！

Answer 1

西姆斯配方通常是产品详细信息页面上推荐类似项目的工具。但是，假设SIMS只考虑用户项交互数据集，而且您的交互数据非常少，那么SIMS在这种情况下的性能就不会很好。至少在这个时候。一旦积累了更多的交互数据，您可能希望重新访问SIMS以获取详细信息页。

用户个性化配方在这里是一个更好的匹配，因为它使用项元数据推荐用户可能感兴趣的冷项。通过向项数据集添加文本数据，可以提高基于项元数据的建议的相关性。这是一个新的个性化特性(详见博客帖子 )。只需将产品说明作为文本字段添加到项目数据集中，如下所示，并使用用户个性化配方创建解决方案。

{
  "type": "record",
  "name": "Items",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
    {
      "name": "ITEM_ID",
      "type": "string"
    },
    {
      "name": "BRAND",
      "type": [
        "null",
        "string"
      ],
      "categorical": true
    },
    {
      "name": "PRICE",
      "type": "float"
    },
    {
      "name": "DESCRIPTION",
      "type": [
        "null",
        "string"
      ],
      "textual": true
    },
  ],
  "version": "1.0"
}

如果您仍然在产品详细信息页面上使用此菜谱，则还可以考虑在调用过滤器时使用GetRecommendations将推荐限制在当前产品的类别中。

INCLUDE ItemID WHERE Items.CATEGORY IN ($CATEGORY)

其中$CATEGORY是当前产品的类别。这可能需要一些实验，看看它是否适合您的UX和目录。