SVD in recommender systems
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- University of Minnesota
- Organisatietype
- Academia
- Land
- United States of America
- Gepubliceerd
- 14 July 2000
- Auteurs
- B Sarwar, G Karypis, J Konstan, J Riedl
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Recommendation
- Taak
- Recommender system
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- 30,000 tokens
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Unknown
- Citaties
- 2,126
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Application of Dimensionality Reduction in Recommender System -- A Case Study
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
SVD in recommender systems werd gepubliceerd door University of Minnesota, in het land geregistreerd als United States of America, tijdens July 2000. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Recommendation, en wordt geregistreerd als het uitvoeren van de taak van recommender system.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Wat erin ging zitten om het te bouwen
Training verbruikte een corpus van ongeveer 30,000 tekstokens
Antwoorden
SVD in recommender systems — veelgestelde vragen
SVD in recommender systems— wie heeft het gemaakt?
Het werd gepubliceerd door University of Minnesota, gebaseerd op United States of America, een organisatie geclassificeerd als academia.
SVD in recommender systems— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2000. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
SVD in recommender systems— waarvoor wordt het gebruikt?
Het werkt in het domein van Recommendation, en wordt geregistreerd als het afhandelen van recommender system. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
SVD in recommender systems— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
SVD in recommender systems— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
SVD in recommender systems— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.