建議服務是否允許用新數據豐富現有模型？

Question

我們能夠提供初始培訓模式並徵求建議。當要求推薦時，我們可以提供新的使用事件。這些是否堅持到模型？他們是否操縱模型？

數據是否有另一種更新方式，或者我們需要在每次我們想豐富模型時重新訓練一個新模型？

https://azure.microsoft.com/en-us/services/cognitive-services/recommendations/

編輯： 我們正在嘗試使用「建議解決方案模板」，它部署了一個解決方案，Azure和提供招搖端點與模型工作（https://gallery.cortanaintelligence.com/Tutorial/Recommendations-Solution）

它出現的認知服務API比這更豐富。 swagger版本的模型可以更新嗎？

Answer 1

與此更多的經驗後，我發現了一些東西截至8月21日，2017年：

1. 雖然不是直觀對於新手來說，新的數據需要培訓新模式，爲數據持久化到模型。

這允許對模型進行版本控制，也就是說當您創建新模型時，您可以將建議轉換爲以前的工作方式，如果它們工作不正常。

推薦的方法似乎是批量使用數據，並在一個時間間隔內創建模型的新版本。

這些API確實允許傳遞近期的使用數據，以允許最近的數據在計分時被計入，但它不會被持久化。

認知服務API中的「上傳使用事件」調用似乎不起作用。通過文件上傳新的使用情況數據似乎有效。

建議的解決方法模板與認知服務API

似乎建議的解決方法是模板內的所述SAR（智能自適應建議）模型的打包版本認知服務API，針對易用性進行了優化。

我推測其他流行的推薦模式，如FBT認爲服務API應該用作可部署模板只允許一種模型類型。

附加說明的API

的預覽狀態看來微軟將棄用數據集市截至2月和派人到這個預覽API來代替。因此，推測此預覽極有可能在過去的預覽中移動並且不會被殺死，這似乎是合理的。