Enhanced Neighborhood-Based Filtering
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- AT&T
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 28 October 2007
- Autori
- RM Bell, Y Koren
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Recommendation
- Compito
- Recommender system
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 100,000,000 tokens
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Unknown
- Citazioni
- 687
"We evaluate these methods on the Netflix dataset, where they deliver significantly better results than the commercial Netflix Cinematch recommender system." they don't claim absolute SOTA on any of the benchmarks
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Scalable Collaborative Filtering with Jointly Derived Neighborhood Interpolation Weights
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Enhanced Neighborhood-Based Filtering è stato pubblicato da AT&T, nel paese registrato come United States of America, durante October 2007. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Recommendation, ed è registrato come eseguire il compito di recommender system.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
È stato addestrato su un corpus di circa 100,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
Enhanced Neighborhood-Based Filtering — domande comuni
Enhanced Neighborhood-Based Filtering— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Enhanced Neighborhood-Based Filtering— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Enhanced Neighborhood-Based Filtering— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
Enhanced Neighborhood-Based Filtering— chi l'ha creato?
È stato pubblicato da AT&T, basato su United States of America, un'organizzazione categorizzata come industry.
Enhanced Neighborhood-Based Filtering— quando è stato rilasciato?
È stato pubblicato in October 2007. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Enhanced Neighborhood-Based Filtering— A cosa serve?
Funziona nel dominio di Recommendation, e viene registrato come gestire il compito di recommender system. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.