MatrixFac for Recommenders
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Yahoo Research,AT&T
- Tipo de Organización
- Industry,Industry
- País
- United States of America
- Publicado
- 7 August 2009
- Autores
- Yehuda Koren, Robert Bell, and Chris Volinsky
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Recommendation
- Tarea
- Recommender system
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 100,480,507 tokens
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Highly cited
- Citas
- 9,234
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Matrix factorization techniques for recommender systems
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
MatrixFac for Recommenders fue publicado por Yahoo Research,AT&T, en el país registrado como United States of America, durante August 2009. Sale de una organización categorizada como industry,Industry.
Funciona en el dominio de Recommendation, y se registra como realizando la tarea de recommender system.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
El entrenamiento consumió un corpus de alrededor de 100,480,507 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
MatrixFac for Recommenders — preguntas comunes
MatrixFac for Recommenders— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
MatrixFac for Recommenders— ¿Quién lo creó?
Fue publicado por Yahoo Research,AT&T, basado en United States of America, una organización categorizada como industry,Industry.
MatrixFac for Recommenders— ¿cuándo fue lanzado?
Se publicó en August 2009. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
MatrixFac for Recommenders— ¿Para qué se utiliza?
Funciona en el dominio de Recommendation, y se registra como manejando la tarea de recommender system. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
MatrixFac for Recommenders— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
MatrixFac for Recommenders— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.