AWS Personalize：如何处理没有足够交互数据的庞大目录

Question

我正在将 Amazon Personalize 的产品推荐功能添加到电子商务网站。我们目前拥有庞大的产品目录，其中包含数百万种商品。我们希望能够在我们的商品详情页面上使用 Amazon Personalize 向当前商品推荐其他相关商品。

现在您可能已经知道，Amazon Personalize 严重依赖用户交互来提供推荐。然而，由于我们才刚刚开始我们的新业务，我们并没有获得足够的交互数据。我们目录中的大多数项目根本没有交互。一些项目（数千个）虽然会发生很多交互，但会对推荐结果产生巨大影响。因此，您会看到即使它们与当前项目完全不相关，这些项目也总是会得到推荐，从而产生了非常奇怪的推荐。

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与项目“冷启动”或用户“冷启动”有关，但我面临的问题现在是一个新业务“冷启动”——我们没有基本的交互数据量来支持完全个性化的推荐。由于没有每个项目的交互数据，我们希望 Amazon Personalize 服务依赖项目元数据来提供推荐。因此，理想情况下，我们希望服务基于项目元数据进行推荐，一旦获得更多交互，就基于项目元数据 + 交互进行推荐。

到目前为止，我已经做了很多研究，只是为了找到一个解决方案——在创建活动时增加 exploreWeight。正如this article 所指出的那样，explorationWeight 的值越高表示探索程度越高；印象低的新项目更有可能被推荐。但这似乎对我没有用。它稍微改善了这种情况，但我仍然经常看到由于更高的集成率而被推荐的奇怪结果。

我不确定是否有其他解决方案可以解决我的问题。当我有一个庞大的目录但没有足够的交互数据时，如何改进推荐结果？

如果有人有任何建议，我将不胜感激。谢谢你，祝你有美好的一天！

Answer 1

SIMS recipe 通常在产品详情页面上用于推荐类似商品。但是，鉴于 SIMS 仅考虑用户-项目交互数据集，并且您的交互数据非常少，因此 SIMS 在这种情况下表现不佳。至少在这个时候。积累更多交互数据后，您可能需要重新访问 SIMS 以查看详情页面。

user-personalization recipe 在这里更合适，因为它使用商品元数据来推荐用户可能感兴趣的冷商品。您可以通过将文本数据添加到商品数据集来提高基于商品元数据的推荐的相关性。这是一项新的个性化功能（有关详细信息，请参阅blog post）。只需将您的产品描述作为文本字段添加到您的商品数据集，如下所示，然后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"
}

如果您仍在产品详细信息页面上使用此配方，您还可以考虑在调用 GetRecommendations 时使用filter 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。这可能需要进行一些实验，看看它是否适合您的用户体验和目录。