張貼日期: Jul 2, 2020
Amazon Personalize 運用機器學習，為使用者提供產品、內容和行銷通訊的個人化推薦，您無須具備使用機器學習的經驗。在 Amazon.com 超過 20 年的推薦系統開發中，此技術更臻完美。
今天，我們很高興宣布推出 Amazon Personalize 中的改良處理方式，能夠改善互動、使用者與項目資料集類型等中繼資料遺失或稀疏的情況。中繼資料包括產品品牌、使用者年齡層、瀏覽工作階段的裝置類型，非常實用，有助改善推薦模型的準確性與相關性。然而，這些資料經常不完善，有時可能會遺失，若在機器學習的模型培訓流程中未妥善處理，可能會對模型效能帶來負面影響。
Amazon Personalize 為了解決此情況，結構描述現可接受您定義的「null」值，藉以建置 Amazon Personalize 解決方案。如此可確保安全使用不完善的中繼資料，進而改善推薦的相關性。若要使用此功能，您可在定義資料集的結構描述時，於 Amazon Personalize 主控台內或 API 將「null」定義為允許的中繼資料值。接著，您可安全將資料集匯入 Amazon Personalize 並建置解決方案。建置解決方案時，Amazon Personalize 的機器學習模型培訓會自動辨識缺少中繼資料的欄位，並以妥善方式加以處理。若要進一步了解此功能，請瀏覽我們的開發人員指南。
Amazon Personalize 中繼資料遺失改善後的處理方式現於下列區域提供：美國東部 (維吉尼亞北部、俄亥俄)、美國西部 (奧勒岡)、加拿大 (中部)、歐洲 (愛爾蘭)，以及亞太區域 (雪梨、東京、孟買、新加坡、首爾)。