Social and content-based classification

Pesi chiusi AT&T,Bell Laboratories,Rutgers University July 1998

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,Bell Laboratories,Rutgers University
Tipo di organizzazione
Industry,Industry,Academia
Paese
United States of America
Pubblicato
1 July 1998
Autori
C Basu, H Hirsh, W Cohen

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
tokens

"Our data set consists of more than 45,000 movie rat- ings collected from approximately 260 users."

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Citazioni
1,564

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Recommendation as Classification: Using Social and Content-based Information in Recommendation
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Sfondo

Social and content-based classification è stato pubblicato da AT&T,Bell Laboratories,Rutgers University, nel paese registrato come United States of America, durante July 1998. Esce da un'organizzazione categorizzata come industry,Industry,Academia.

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.

Risposte

Social and content-based classification — domande comuni

01

Social and content-based classification— 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.

02

Social and content-based classification— 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.

03

Social and content-based classification— 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.

04

Social and content-based classification— chi l'ha creato?

È stato pubblicato da AT&T,Bell Laboratories,Rutgers University, basato su United States of America, un'organizzazione categorizzata come industry,Industry,Academia.

05

Social and content-based classification— quando è stato rilasciato?

È stato pubblicato in July 1998. 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.

06

Social and content-based classification— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.