您如何给 amazon personalize 差评？即告诉个性化用户并不真正喜欢某个项目？
How do you give negative feedback to amazon personalize? i.e. tell personalize that a user doesn't really like a certain item?
我在 youtube 上做了亚马逊个性化深度潜水系列。在时间戳 8:33 in the video，有人提到 'Personalize does not understand negative feedback.' 并且您提交的任何互动都被假定为积极互动。
但我认为给出负面反馈可以改善我们给出的整体建议。个性化知道用户不喜欢给定的项目 'A' 将有助于确保它不会在将来推荐类似于 'A' 的项目。
有什么方法可以给亚马逊个性化（例如，用户不喜欢商品 x、y、z） =26=]?
我想到的可能给出差评的方法：
假设用户可以给电影打分（满分 5 分）。每次用户在交互数据集中给出评分 >= 3 时，我们都会在数据集中添加一个额外的交互（即我们有两个交互表示用户在 interactions.csv 中对一部电影评分 >=3 而不是只有一个).然而，如果他给出的评分 <=2（意味着他可能不喜欢这部电影），我们只在交互数据集中保留那个的单一交互（即我们只有一个交互说用户对电影的评分 <= 2 在 interactions.csv 文件中）
- 这是否有助于传达个性化评分 <=2
是不是因为 important/that 用户不喜欢他们？
负面反馈，即用户明确表示他们不喜欢某个项目，目前不支持作为 Amazon Personalize 的训练输入。此外，目前无法通过事件类型或事件值将 weight/reward 添加到特定交互（参见 this answer for details）。
话虽如此，您可以在交互中使用印象来指示用户看到但他们选择不与之交互的项目。印象仅由用户个性化配方支持。来自 docs:
Unlike other recipes, which solely use positive interactions (clicking, watching, or purchasing), the User-Personalization recipe can also use impressions data. Impressions are lists of items that were visible to a user when they interacted with (clicked, watched, purchased, and so on) a particular item.
Using this information, a solution created with the User-Personalization recipe can calculate the suitability of new items based on how frequently an item has been ignored, and change recommendations accordingly. For more information see Impressions data.
印象与明确的负面互动不同，但它们确实意味着印象深刻的项目被认为 relevant/important 比用户选择与之互动的项目要少。
在提出建议时可用于考虑负面互动的另一种方法是有两种事件类型：一种用于积极意图的事件类型（例如，“喜欢”、“观看”或“购买”）和一种事件输入不喜欢（例如，“不喜欢”）。然后创建一个个性化解决方案，only trains on the positive event type. Finally, at inference time, use a Personalize filter 以排除用户最近不喜欢的项目。
EXCLUDE ItemID WHERE Interactions.EVENT_TYPE IN ("dislike")
在这种情况下，Personalize 仍仅针对积极互动进行训练，但使用过滤器时您不会推荐用户不喜欢的项目。
我在 youtube 上做了亚马逊个性化深度潜水系列。在时间戳 8:33 in the video，有人提到 'Personalize does not understand negative feedback.' 并且您提交的任何互动都被假定为积极互动。
但我认为给出负面反馈可以改善我们给出的整体建议。个性化知道用户不喜欢给定的项目 'A' 将有助于确保它不会在将来推荐类似于 'A' 的项目。
有什么方法可以给亚马逊个性化（例如，用户不喜欢商品 x、y、z） =26=]?
我想到的可能给出差评的方法：
假设用户可以给电影打分（满分 5 分）。每次用户在交互数据集中给出评分 >= 3 时，我们都会在数据集中添加一个额外的交互（即我们有两个交互表示用户在 interactions.csv 中对一部电影评分 >=3 而不是只有一个).然而，如果他给出的评分 <=2（意味着他可能不喜欢这部电影），我们只在交互数据集中保留那个的单一交互（即我们只有一个交互说用户对电影的评分 <= 2 在 interactions.csv 文件中）
- 这是否有助于传达个性化评分 <=2 是不是因为 important/that 用户不喜欢他们？
负面反馈，即用户明确表示他们不喜欢某个项目，目前不支持作为 Amazon Personalize 的训练输入。此外，目前无法通过事件类型或事件值将 weight/reward 添加到特定交互（参见 this answer for details）。
话虽如此，您可以在交互中使用印象来指示用户看到但他们选择不与之交互的项目。印象仅由用户个性化配方支持。来自 docs:
Unlike other recipes, which solely use positive interactions (clicking, watching, or purchasing), the User-Personalization recipe can also use impressions data. Impressions are lists of items that were visible to a user when they interacted with (clicked, watched, purchased, and so on) a particular item.
Using this information, a solution created with the User-Personalization recipe can calculate the suitability of new items based on how frequently an item has been ignored, and change recommendations accordingly. For more information see Impressions data.
印象与明确的负面互动不同，但它们确实意味着印象深刻的项目被认为 relevant/important 比用户选择与之互动的项目要少。
在提出建议时可用于考虑负面互动的另一种方法是有两种事件类型：一种用于积极意图的事件类型（例如，“喜欢”、“观看”或“购买”）和一种事件输入不喜欢（例如，“不喜欢”）。然后创建一个个性化解决方案，only trains on the positive event type. Finally, at inference time, use a Personalize filter 以排除用户最近不喜欢的项目。
EXCLUDE ItemID WHERE Interactions.EVENT_TYPE IN ("dislike")
在这种情况下，Personalize 仍仅针对积极互动进行训练，但使用过滤器时您不会推荐用户不喜欢的项目。