Azure Recommendations APIのパラメータ

Question

Azure MS Cognitive ServicesのRecommendations APIを使用して、推奨モデルを作成したいと考えています。下の3つのAPIのパラメータを「作成/トリガービルド」について理解できません。これらのパラメータは何を意味しますか？

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

EnableModelingInsights
あなたは 推奨モデルにメトリックを計算することができます。
有効値：真/偽

AllowColdItemPlacement
推奨事項も機能類似性を使用してコールドアイテムをプッシュする必要があるかどうかを示します。
有効値：真/偽

ReasoningFeatureList機能名の
カンマ区切りリストは推論文章（例えば、推奨の説明）のため を使用します。
有効値：機能名、最大512文字

ありがとうございます！

Answer 1

そのページには、他の場所で言及されているコンテンツへの参照がありません。

特長が推奨モデルを向上させることができますが、やって...それはのように、文書内のランクのビルドセクションにコールドアイテムを説明し

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

...もっと完全なガイドのために、このページを参照してください。意味のある機能を使用する必要があります。この目的のために、新しいビルドが導入されました。このビルドは、フィーチャーの有用性をランク付けします。意味のある機能はランク2以上の機能です。どの機能が意味があるのか​​を理解した後、意味のある機能のリスト（またはサブリスト）を使用して推奨ビルドを開始します。これらの機能は、暖かいアイテムと寒いアイテムの両方を強化するために使用できます。ウォームアイテムに使用するには、UseFeatureInModelビルドパラメータを設定する必要があります。コールドアイテムの機能を使用するには、AllowColdItemPlacementビルドパラメータを有効にする必要があります。注意：UseFeatureInModelを有効にせずにAllowColdItemPlacementを有効にすることはできません。また

勧告推論...として推奨推論セクションでReasoningFeatureListを説明し

は、機能の使用のもう一つの側面です。確かに、Azure Machine Learning Recommendationsエンジンは機能を使用して推薦説明を提供することができ（推論）、推薦消費者から推薦されたアイテムに対する信頼度が高まる。推論を有効にするには、推奨ビルドを要求する前にAllowFeatureCorrelationおよびReasoningFeatureListパラメータを設定する必要があります。