MovieStreamX möchte auf der Homepage jedes angemeldeten Benutzers ein personalisiertes „Empfohlen für Sie“-Karussell anzeigen, das die bisherigen Streaming-Interaktionen und demografischen Metadaten des Benutzers nutzt. Für anonyme Homepage-Landingpages soll ein einfaches „Trending Now“-Karussell angezeigt werden, das aktuell beliebte Titel hervorhebt. Welche Amazon Personalize-Rezepte sollten jeweils für das personalisierte Karussell und für das Trend-Karussell verwendet werden, und worin besteht ein wichtiger Konfigurationsunterschied zwischen ihnen?

Die korrekte Antwort ist die einzige, die die Rezepte von Amazon Personalize ihren Anwendungsfällen richtig zuordnet und ihre Funktionsweise korrekt beschreibt. Das User-Personalization-Rezept ist ideal für personalisierte Empfehlungen, da es Benutzerinteraktionen, Benutzer- und Artikelmetadaten nutzt, um ein Modell zu trainieren, das individuelle Vorlieben berücksichtigt. Das Popularity-Count-Rezept ist perfekt für "Trending Now"-Karussells, da es einfach die Beliebtheit von Artikeln basierend auf historischen Interaktionszählungen ermittelt und keine Personalisierung erfordert. Die anderen Optionen sind falsch, weil: Die zweite Option vertauscht die Rezepte und behauptet fälschlicherweise, Popularity-Count biete personalisierte Empfehlungen. Die dritte Option schlägt ungeeignete Rezepte vor und macht falsche Aussagen über deren Anforderungen (z.B. HRNN-Metadata benötigt Benutzer-IDs für Personalisierung, SIMS ist für Ähnlichkeit, nicht Popularität). Die vierte Option schlägt Rezepte vor, die für Ranking und nicht für die Generierung von Empfehlungen optimiert sind, und macht falsche Aussagen über deren Funktionsweise (Personalized-Ranking ist modellbasiert, nicht regelbasiert).