Azure 建议 API 的参数

Question

我想使用 Azure MS 认知服务上的推荐 API 制作推荐模型。我无法理解下面“创建/触发构建”的三个 API 参数。这些参数是什么意思？

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

EnableModelingInsights
Allows you to compute metrics on the recommendation model.
Valid Values: True/False

AllowColdItemPlacement
Indicates if the recommendation should also push cold items via feature similarity.
Valid Values: True/False

ReasoningFeatureList
Comma-separated list of feature names to be used for reasoning sentences (e.g. recommendation explanations).
Valid Values: Feature names, up to 512 chars

谢谢!

Answer 1

该页面缺少对其他位置提到的内容的引用。请参阅此页面以获取更完整的指南...

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

它将文档中“排名构建”部分中的“冷项”描述为...

特征可以增强推荐模型，但要做到这一点需要使用有意义的特征。为此，引入了新的构建 - 等级构建。此版本将对功能的实用性进行排名。有意义的特征是等级分数为 2 及以上的特征。了解哪些功能有意义后，使用有意义的功能列表(或子列表)触发推荐构建。可以使用这些功能来增强热元素和冷元素。为了将它们用于温暖的项目，应该设置 UseFeatureInModel 构建参数。为了使用冷项目的功能，应启用AllowColdItemPlacement构建参数。注意:如果不启用 UseFeatureInModel，则无法启用 AllowColdItemPlacement。

它还将推荐推理部分中的 ReasoningFeatureList 描述为...

推荐推理是功能使用的另一个方面。事实上，Azure 机器学习推荐引擎可以使用功能来提供推荐解释(也称为推理)，从而使推荐消费者对推荐项目更有信心。要启用推理，应在请求构建推荐之前设置AllowFeatureCorrelation 和 ReasoningFeatureList 参数。