自动化的机器学习
Amazon Personalize 会为您处理机器学习事宜。在您通过 Amazon S3 或实时集成提供数据后，Amazon Personalize 可以自动加载并检查数据，使您能够选择正确的算法，训练模型，提供准确的指标以及生成个性化建议。当您的数据集随着时间的推移因新的元数据和使用的实时用户事件数据而增长时，您的模型可以进行重新训练，从而持续提供相关的个性化建议。 了解更多。
实时推荐
实时响应用户不断变化的需求，提供相关推荐了解更多。
批量推荐
一次性计算针对大量用户或项目的推荐，进行存储，并将其提供给以批处理为主的工作流程，如电子邮件系统。了解更多。
新用户和新项目推荐
即使是新用户，也能有效生成推荐，为用户找到相关的新项目推荐。
符合实际情况的推荐
根据实际情况（如设备类型和时段等）生成推荐，提高相关性。了解更多。
相似项目推荐
向用户显示相似项目，提高目录的被发现几率。
解锁非结构化文本中的信息
解锁隐含在产品描述、评论、电影梗概或其他非结构化文本中的信息，以便为用户生成高度相关的建议。提供非结构化文本作为目录的组成部分，Amazon Personalize 自动提取关键信息以在生成建议时使用。
排列业务目标以及与您的用户相关的内容的优先顺序
生成建议时考虑与您的客户相关的内容以及对您的业务有重要意义的内容。您可以定义目标以及相关性，从而影响建议。这可用于最大化串流分钟数、增大收入提升幅度，或者您定义为对业务有重要意义的任何指标。
轻松与您的现有工具集成
Amazon Personalize 可以通过简单的推理 API 调用轻松集成到网站、移动应用程序或内容管理和电子邮件营销系统中。借助该服务，您可以生成用户推荐、相似项目推荐和个性化项目重新排名。您只需调用 Amazon Personalize API，该服务就会以 JSON 格式输出项目推荐或重新排名的项目列表，您可以在应用程序中使用这些输出。
GetRecommendations API 会返回给定 userID 的相关项目列表。代表性使用示例包括，视频流网站上登录页面的内容推荐小部件，它会根据用户过去观看的内容建议一系列视频。该 API 还可用于返回给定输入 itemID 的相似 itemID 列表。代表性使用案例包括，当用户位于一部电影的详情页面时，向其推荐相似电影。
GetPersonalizedRanking API 会重新对给定 userID 的 itemID 列表和待重新排名的 itemID 类型排名。输入列表可来自任何源，例如编辑精选列表或来自搜索查询的 itemID 列表。例如，电子商务零售商可以根据对客户之前的行为和过去购物的了解，显示最相关的结果，而不是显示与关键字直接匹配的产品列表。
