Amazon Personalize 数据要求

Question

【以下的问题经过翻译处理】 一位客户正在寻求使用一个通过每个视频元数据的来进行视频推荐，该数据集仅包含150个视频。目前，他们还没有任何关于用户与视频的交互数据，因为他们尚未向客户发布这些视频。
他们是否仍能够利用Personalize开始制作初始推荐，还是他们需要此交互数据（1,000次交互/25个客户/2个交互条目）？

例如，如果用户完成观看一段视频，他们可以基于视频本身的相似流派/元数据推荐下一个视频吗？然后，当然要随着时间推移整合他们生成的用户交互数据，以制作更强大的推荐。

最终，我想知道这种缺乏用户交互数据是否会阻碍使用Personalize，还是仅会导致推荐效果较弱。如果这是Personalize的阻碍因素，对于没有任何ML经验的团队，是否有更好的方案用于基本推荐？

Answer

【以下的回答经过翻译处理】 如果客户只有一小部分的交互数据，Personalize推荐效果不会太好，它会采用它的Popularity Count 模型（当其他模型无法提供良好推荐时）。
我使用[LightFM](https://github.com/lyst/lightfm)工具包构建了一个原型，帮助过一个只有少量交互数据集和大量元数据集的客户做过推荐系统，这是一种变种的因式分解机。因为客户场景是永远无法收集到足够的交互数据来使用Personalize，所以他们正在探索优化和扩展我构建的原型，结果看起来很有希望。
如果您的客户能够随着时间的推移收集到足够的交互数据，那么Personalize很可能最终会提供更好的结果。在数据不足以最终转换Personalize之前，可以参考我这个关注元数据的推荐模型。

Amazon Personalize 数据要求

相关内容