不完全な文となっている箇所が多数あります

[notakemu]

Issue in ./help/main/c-recommendations/c-algorithms/recommendations-algorithms.md

https://github.com/AdobeDocs/target.ja-JP/issues/8 に類似の問題です。

[Current] モデルトレーニングは、レコメンデーションが Adobe Target ース学習アルゴリズムによってどのように生成されるかを示すプロセスです。 [Expected] モデルトレーニングは、レコメンデーションが Adobe Target 学習アルゴリズムによって生成されるプロセスです。 [Source] Model training is the process of how recommendations are generated by the Adobe Target learning algorithms.

[Current] モデルサービングは、サイト訪問者にレコメンデーションを配信する方法 Target す（コンテンツ配信とも呼ばれます）。 [Expected] モデルサービングは、Target がサイト訪問者にレコメンデーションを配信する方法です（コンテンツ配信とも呼ばれます）。 [Source] Model serving is how Target delivers recommendations to your site visitors (also known as content delivery).

[Current] つま Target Recommendations、これらの入力は、ユーザーによる項目の一意のビューと購入です。 [Expected] Target Recommendations では、これらの入力は、ユーザーによる項目のユニークな閲覧と購入です。 [Source] In Target Recommendations, these inputs are the unique views and purchases of items by users.

[Current] Both Recommended For You および買い物かごベースのアルゴリズムは、行動データを、（Target を実装 または4}Adobe Analytics🔗 から収集したユーザーの表示および購入の形式で使用します。 [Expected] Recommended For You および買い物かごベースのアルゴリズムはどちらも、Target の実装時または Adob​​e Analytics から収集されたユーザーの閲覧および購入の形式で行動データを使用します。 [Source] Both Recommended For You and Cart-Based algorithms use behavioral data, in the form of views and purchases of users collected when you implement Target or from Adobe Analytics.

[Current] コアアイテムの類似性計算は、候補アイテムのベクトルの作成方法が Recommended For You ールと買い物かごベースのアルゴリズムで異なります。 [Expected] コアアイテムの類似性計算は、候補アイテムのベクトルの作成方法が Recommended For You と買い物かごベースのアルゴリズムで異なります。 [Source] The core item similarity computation differs for Recommended For You and Cart-Based algorithms in the way that candidate item vectors are constructed.

[Current] カスタム条件を使用すると、顧客は 独自のレコメンデーションをにアップロード Target でき、重要な柔軟性が得られ、「独自モデルの導入」機能が可能になります。 [Expected] カスタム条件を使用すると、顧客は独自のレコメンデーションを Target にアップロードでき、重要な柔軟性が得られ、「独自モデルの導入」機能が可能になります。 [Source] Custom criteria allow customers to upload their own recommendations to Target, giving important flexibility and allowing “bring your own model” capabilities.

[Current] カスタム条件は、レコメンデーションの「オフライントレーニング」の部分を置き換え Item-Based ものですが、オンラインコンテンツ配信フェーズでは項目ベースのレコメンデーションアルゴリズムと同様に動作します。つまり、レコメンデーションの取得に単一のキーを使用し、ビジネスルール/フィルターが適用されます。 [Expected] カスタム条件は、項目ベースのレコメンデーションの「オフライントレーニング」の部分を置き換えるものですが、レコメンデーションの取得に単一のキーを使用し、ビジネスルール/フィルターが適用されるという点で、オンラインコンテンツ配信フェーズでは項目ベースのレコメンデーションアルゴリズムと同様に動作します。 [Source] Custom criteria replace the “offline training” portion of Item-Based recommendations, but behave similarly to Item-Based recommendation algorithms during the online content delivery phase, in that a single key is used for retrieval of recommendations and business rules/filters are then applied.

[mak-adobe]

@notakemu ありがとうございます。調査・調整中ですので少々お待ちください。

[notakemu]

@mak-adobe ありがとうございます！お手数をおかけしますが、よろしくお願いいたします。

[mak-adobe]

@notakemu G11N-17872 のチケットで対応を開始しました。

[notakemu]

@mak-adobe 進捗のご連絡、ありがとうございます！