Amazon Personalize 专业2018年〜
基于机器学习提供实时个性化推荐的服务
它能做什么
Amazon Personalize 是一项利用机器学习为应用提供实时个性化推荐的全托管服务。无需 ML 专业知识，只需提供用户行为数据（点击、购买、浏览等），即可自动训练推荐模型并通过 API 提供推荐结果。
使用场景
用于电商网站的商品推荐、视频流媒体的内容推荐、新闻应用的文章推荐、邮件营销的个性化内容选择。
日常类比
可以比作了解每位顾客喜好的店员。店员（Personalize）记住每位顾客过去购买和浏览过的商品，据此推荐最合适的商品。顾客越多、数据越多，推荐就越精准。
什么是 Personalize
Amazon Personalize 是一项将 Amazon.com 积累的推荐技术作为 AWS 服务提供的产品。通过导入用户与商品的交互数据（点击、购买、评分等），自动选择最佳算法并训练模型。训练完成后，通过 API 实时获取针对各用户的推荐结果。
数据与配方
Personalize 使用三种数据集：交互数据（用户行为）、用户数据（属性）、商品数据（属性）。配方（Recipe）是预定义的算法，包括 User-Personalization（个人推荐）、Similar-Items（相似商品）、Personalized-Ranking（个性化排序）等。根据用例选择合适的配方。 如需深入了解数据与配方的实践知识，可参考相关书籍（Amazon）。
开始使用
将交互数据以 CSV 格式上传到 S3，在 Personalize 控制台创建数据集组并导入数据。选择配方创建解决方案（模型训练），部署活动（Campaign）后即可通过 API 获取推荐。
注意事项
- 需要一定量的交互数据（建议至少 1000 条交互记录）才能训练出有效的模型
- 实时推荐的延迟通常在数十毫秒以内
