如何删除AWS Personalize中通过PutItem API添加的条目？

1. 利用批量导入的"替换"模式覆盖条目 #

你之前的批量导入未生效，核心原因是没设置正确的导入模式。创建批量导入作业时，需将导入模式（importMode）设为"REPLACE"（默认是"ADD"）。该模式下，导入的全量数据会完全替换数据集内原有所有条目，包括通过PutItem添加的条目。

• 操作步骤：
  • 导出当前数据集，手动清理所有已删除条目
  • 创建批量导入作业时指定importMode="REPLACE"
  • 导入清理后的全量活跃条目，完成后数据集仅保留有效内容
• 注意：必须确保导入的是完整的活跃条目集合，不能遗漏任何有效商品。

2. 用PutItem实现硬删除+训练过滤结合 #

若不想频繁全量替换，可给条目设置明确的"硬删除"标记（比如item_status="PERMANENTLY_DELETED"），再通过过滤规则彻底排除这类条目：

• 删除条目时，调用PutItem将该条目的item_status字段设为PERMANENTLY_DELETED
• 训练解决方案版本时，添加过滤参数：{"item_status": ["!=", "PERMANENTLY_DELETED"]}
• 获取推荐结果时，同样应用此过滤条件
• 定期（如每月）执行一次全量导出-清理-REPLACE导入，彻底移除已删除条目，避免数据集冗余膨胀

3. 数据集版本管理 #

AWS Personalize支持多数据集版本，可通过以下方式清理冗余：

• 基于清理后的活跃数据创建新的数据集版本
• 将解决方案关联到新数据集版本并重新训练
• 验证新模型效果后，切换到新的推荐器
• 直接删除旧数据集版本，彻底清理冗余数据

关键注意事项 #

• 仅靠逻辑删除+过滤只能临时解决推荐结果问题，长期仍需定期全量替换，否则数据集膨胀会降低训练效率、影响模型质量
• 使用REPLACE模式导入时，要保证数据格式与原数据集完全匹配，包含所有必填字段
• 替换数据集后必须重新训练解决方案版本，否则模型仍基于旧数据生成推荐

内容的提问来源于stack exchange，提问作者J.Kh