发布于: Jul 2, 2020
Amazon Personalize 使用机器学习来为您的用户提供针对产品、内容和营销沟通的个性化推荐，而无需具备任何机器学习经验。此项技术是经过 Amazon.com 20 多年推荐系统开发完善起来的。
今天，我们很高兴地宣布在 Amazon Personalize 中改进了对交互、用户和商品数据集类型的缺失或稀疏元数据的处理。产品品牌、用户年龄段或浏览会话的设备类型等元数据可用于提高推荐模型的准确性和相关性。但是，此数据通常并不完善，并且在许多情况下可能会缺失数据，如果在机器学习模型训练过程中未仔细处理，则会对模型性能产生不利影响。
为了处理此类情况，Amazon Personalize 现在允许您在创建 Amazon Personalize 解决方案时将“null”定义为架构中的可接受值。这可确保将不完善的元数据安全地用于改进推荐的相关性。要使用此功能，您可以在定义数据集的架构时在 Amazon Personalize 控制台或 API 中将“null”定义为允许的元数据值。接下来，您可以安全地将数据集导入 Amazon Personalize 并创建解决方案。创建解决方案时，Amazon Personalize 将自动识别缺少元数据的字段，并在训练机器学习模型时对其进行适当处理。要了解有关此功能的更多信息，请访问我们的开发人员指南。
Amazon Personalize 中的缺失元数据的改进处理功能现已在以下区域提供：美国东部（弗吉尼亚北部、俄亥俄）、美国西部（俄勒冈）、加拿大（中部）、欧洲（爱尔兰）和亚太地区（悉尼、东京、孟买、新加坡、首尔）。