MatrixFac for Recommenders
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Yahoo Research,AT&T
- Type d'organisation
- Industry,Industry
- Pays
- United States of America
- Publié
- 7 August 2009
- Auteurs
- Yehuda Koren, Robert Bell, and Chris Volinsky
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Recommendation
- Tâche
- Recommender system
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 100,480,507 tokens
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Highly cited
- Citations
- 9,234
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Matrix factorization techniques for recommender systems
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
MatrixFac for Recommenders a été publié par Yahoo Research,AT&T, dans le pays enregistré comme United States of America, durant August 2009. Cela provient d'une organisation classée comme industry,Industry.
Il fonctionne dans le domaine de Recommendation, et est enregistré comme exécutant la tâche de recommender system.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé un corpus d'environ 100,480,507 jetons de texte
Son critère d'inclusion : highly cited.
Réponses
MatrixFac for Recommenders — questions courantes
MatrixFac for Recommenders— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
MatrixFac for Recommenders— qui l'a créé ?
Il a été publié par Yahoo Research,AT&T, basé sur United States of America, une organisation catégorisée comme industry,Industry.
MatrixFac for Recommenders— quand a-t-il été publié ?
Il a été publié dans August 2009. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
MatrixFac for Recommenders— à quoi ça sert ?
Il fonctionne dans le domaine de Recommendation, et est enregistré comme gérant la tâche de recommender system. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
MatrixFac for Recommenders— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
MatrixFac for Recommenders— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.