このプロパティーは、Interact ランタイムの「Interact」>「offerserving」>「optimizationType」プロパティーが BuiltInLearning に設定されている場合にのみ適用されます。

「はい」に設定すると、Interact 設計時には学習が有効になっていると想定されます。enableLearning を「はい」に設定する場合は、「Interact」>「offerserving」>「optimizationType」を BuiltInLearning または ExternalLearning に構成する必要があります。

「いいえ」に設定すると、Interact 設計時には学習が無効になっていると想定されます。enableLearning を「いいえ」に設定する場合は、「Interact」>「offerserving」>「optimizationType」を NoLearning に構成する必要があります。

Interact 学習ユーティリティーがモニターする学習属性の最大数。

このプロパティーは、Interact ランタイムの「Interact」>「offerserving」>「optimizationType」プロパティーが BuiltInLearning に設定されている場合にのみ適用されます。

各学習属性について、Interact 学習モジュールがトラッキングする値の最大数。

このプロパティーは、Interact ランタイムの「Interact」>「offerserving」>「optimizationType」プロパティーが BuiltInLearning に設定されている場合にのみ適用されます。

maxAttributeValues を超えるすべての属性値を表すために使用される属性値のデフォルトの名前。

このプロパティーは、Interact ランタイムの「Interact」>「offerserving」>「optimizationType」プロパティーが BuiltInLearning に設定されている場合にのみ適用されます。

maxAttributeValues が 3 に設定されており、かつ otherAttributeValue が「その他」に設定されている場合、学習モジュールは最初の 3 つの値をトラッキングします。その他の値はすべて「その他」カテゴリーに割り当てられます。例えば、訪問者の属性である髪色をトラッキングするとします。最初の 5 人の訪問者の髪色が黒、茶、ブロンド、赤、およびグレーの場合、学習ユーティリティーがトラッキングする髪色は、黒、茶、およびブロンドです。赤およびグレイの各色は、otherAttributeValue の「その他」にグループ化されます。

学習モジュールがランダムにオファーする回数のパーセント。例えば、percentRandomSelection を 5 に設定することは、スコアに関係なく、学習モジュールによるランダム・オファーの提示頻度が 5% (100 件の推奨ごとに 5 件) であることを意味します。 学習が有効なときに percentRandomSelection を有効にすると、offerTieBreakMethod 構成プロパティーがオーバーライドされます。

0 (percentRandomSelection 機能を無効にする) から 100 までの任意の整数。

recencyWeightingPeriod によって定義されているデータのセットのパーセンテージを表す 10 進表記。例えば、デフォルト値の .15 は、recencyWeightingPeriod が示す学習ユーティリティーによって使用されるデータの 15% を意味します。

このプロパティーは、Interact ランタイムの「Interact」>「offerserving」>「optimizationType」プロパティーが BuiltInLearning に設定されている場合にのみ適用されます。

学習モジュールによって recencyWeightingFactor のパーセンテージの重みが付与されたデータの期間 (時間単位)。例えば、デフォルト値の 120 は、学習モジュールによって使用されるデータの recencyWeightingFactor が、過去 120 時間以内のものであることを意味します。

このプロパティーは、optimizationType が builtInLearning に設定されている場合にのみ適用されます。

「はい」に設定する場合、Interact 学習モジュールは、学習属性 (標準または動的) が予測ではないときをアルゴリズムによって判別します。学習属性が予測ではない場合、学習モジュールはオファーの重みを決定するときにその属性について考慮しません。これは、学習モジュールが学習データを集約するまで継続します。

「いいえ」に設定すると、学習モジュールは常にすべての学習属性を使用します。予測ではない属性のプルーニングを行わないと、学習モジュールの正確性は本来よりも低くなります。