Azure推荐API参数

Question

我想在Azure MS认知服务上使用建议API建立一个推荐模型。我无法理解下面三个API的参数，用于“创建/触发构建”。这些参数是什么意思？

https://westus.dev.cognitive.microsoft.com/docs/services/Recommendations.V4.0/operations/56f30d77eda5650db055a3d0

EnableModelingInsights 允许您计算推荐模型上的度量。 有效值:真/假 AllowColdItemPlacement 指示建议是否也应通过特征相似性推送冷项。 有效值:真/假 ReasoningFeatureList 逗号分隔的用于推理句子的特征名列表(例如推荐解释)。 有效值:功能名称，最多512个字符

谢谢!

Answer 1

该页面缺少对其他位置提到的内容的引用。更完整的指南请看这页..。

https://azure.microsoft.com/en-us/documentation/articles/machine-learning-recommendation-api-documentation/

它将文档中Rank Build部分中的冷项描述为.

特性可以增强推荐模型，但要做到这一点，需要使用有意义的特性。为此目的，引入了一种新的构建--等级构建。此构建将对功能的有用性进行排序。一个有意义的特征是一个等级分数在2以上的特征。在了解了哪些特性有意义之后，使用有意义的特性列表(或子列表)触发推荐构建。可以使用这些特性来增强温暖的项目和冷的项目。为了将它们用于温暖项，应该设置UseFeatureInModel构建参数。为了对冷项使用特性，应该启用AllowColdItemPlacement构建参数。注意:如果不启用AllowColdItemPlacement，就不可能启用UseFeatureInModel。

它还将推荐推理部分的ReasoningFeatureList描述为.

推荐推理是特征使用的另一个方面。事实上，Azure机器学习推荐引擎可以使用特性来提供推荐解释(即。)，从而使推荐消费者对推荐项目更有信心。为了支持推理，应该在请求建议生成之前设置AllowFeatureCorrelation和ReasoningFeatureList参数。