RankBoost (EachMovie)

Poids fermés Columbia University,Princeton University,Hebrew University of Jerusalem November 2003

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
Columbia University,Princeton University,Hebrew University of Jerusalem
Type d'organisation
Academia,Academia,Academia
Pays
United States of America, Israel
Publié
15 November 2003
Auteurs
Yoav Freund, Raj Iyer, Robert E. Schapire, Yoram Singer

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, Collaborative filtering, Movie ratings

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
tokens

We used the data of 61,625 viewers entering a total of 2,811,983 numeric ratings for 1,628 different movies (films and videos).

Disponibilité

Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.

Poids
Closed — provider access only
Accès au modèle
Unreleased
Code d'entraînement
Unreleased

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.

Confiance d'enregistrement
Unknown

Sources

D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence
An Efficient Boosting Algorithm for Combining Preferences
Dernière mise à jour
11 February 2026

Ce que les chiffres signifient

Ce que ce modèle est

RankBoost (EachMovie) a été publié par Columbia University,Princeton University,Hebrew University of Jerusalem, dans le pays enregistré comme United States of America, durant November 2003. La catégorie à laquelle appartient l'éditeur est academia,Academia,Academia.

Il fonctionne dans le domaine de Recommendation, et est enregistré comme exécutant la tâche de recommender system, Collaborative filtering, Movie ratings.

Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.

Réponses

RankBoost (EachMovie) — questions courantes

01

RankBoost (EachMovie)— est-ce que c'est open source ?

Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.

02

RankBoost (EachMovie)— 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.

03

RankBoost (EachMovie)— qui l'a créé ?

Il a été publié par Columbia University,Princeton University,Hebrew University of Jerusalem, basé sur United States of America, une organisation catégorisée comme academia,Academia,Academia.

04

RankBoost (EachMovie)— quand a-t-il été publié ?

Il a été publié dans November 2003. 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.

05

RankBoost (EachMovie)— à quoi ça sert ?

Il fonctionne dans le domaine de Recommendation, et est enregistré comme gérant la tâche de recommender system, Collaborative filtering, Movie ratings. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.

06

RankBoost (EachMovie)— 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.

Source

Publication originale

Dernière mise à jour enregistrée 11 February 2026

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.