Project Icon

SaBERT-Spanish-Sentiment-Analysis

基于BERT的西班牙语情感分析分类器

SaBERT-Spanish-Sentiment-Analysis是一个由布宜诺斯艾利斯大学学生开发的BERT模型,专注于西班牙语情感分析。使用微调的dccuchile/bert-base-spanish-wwm-uncased模型,并在11,500条西班牙语推文数据集上训练,准确率达到86.47%。用户可以使用pip安装依赖并加载模型,通过内置函数进行情感预测。项目遵循Apache 2.0开源许可证,提供详细的使用指南。

twitter-xlm-roberta-base-sentiment - 基于XLM-roBERTa的多语言推特情感分析模型
GithubHuggingfaceTwitterXLM-roBERTa多语言情感分析开源项目情感分类模型自然语言处理
这是一个基于XLM-roBERTa的多语言推特情感分析模型,经过约1.98亿条推文预训练,并针对8种语言的情感分析任务进行了微调。该模型可以轻松集成到NLP管道中,适用于多语言社交媒体文本的情感分类,支持阿拉伯语、英语、法语、德语、印地语、意大利语、西班牙语和葡萄牙语。
sentence_similarity_spanish_es - 基于sentence-transformers的西班牙语句子相似度模型
GithubHuggingfacesentence-transformers开源项目机器学习模型自然语言处理西班牙语模型语义相似度
该模型基于sentence-transformers框架开发,能够将西班牙语句子和段落转换为768维向量。主要应用于句子相似度计算、聚类分析和语义搜索等任务。模型在STS基准测试中表现优异,提供简洁的Python接口。它以dccuchile/bert-base-spanish-wwm-cased为基础模型,针对西班牙语自然语言处理进行了优化。
heBERT_sentiment_analysis - 希伯来语预训练BERT模型实现情感分析和情绪识别
GithubHeBERTHuggingface开源项目情感分析情绪识别模型自然语言处理预训练模型
heBERT_sentiment_analysis是一个针对希伯来语的预训练BERT模型,用于情感极性分析和情绪识别。该模型在包含10亿词的希伯来语语料库上训练,能准确识别文本情感。在情感分析任务中,模型表现优异,F1分数达0.97。研究团队还收集了用户生成内容数据集进行情绪标注。这为希伯来语自然语言处理研究提供了有力的基础工具。
FinTwitBERT-sentiment - 基于BERT的金融推文情感分析工具
BERT模型FinTwitBERTGithubHuggingface开源项目模型社交媒体分析自然语言处理金融推文情感分析
FinTwitBERT-sentiment基于1000万条金融推文预训练的FinTwitBERT模型开发,通过38,091条人工标注数据和142万条合成数据进行微调,专注于分析社交媒体金融文本的情感倾向。此模型支持通过Hugging Face transformers库集成,适用于金融推文和相关社交媒体内容的情感分析任务。
distilbert-base-multilingual-cased-sentiments-student - 基于DistilBERT的多语言情感分析模型
DistilBERTGithubHuggingface多语言模型开源项目情感分析文本分类模型零样本蒸馏
这是一个基于DistilBERT的多语言情感分析模型,通过零样本分类管道在多语言情感数据集上进行蒸馏。模型支持英语、阿拉伯语、德语等多种语言,可用于情感分类任务。采用零样本蒸馏技术,在保持较高准确率的同时,有效降低了模型规模。该模型为多语言情感分析提供了一个高效且灵活的解决方案。
distilbert-base-multilingual-cased-sentiment - 多语种情感分析模型的高效文本分类能力
Amazon评论GithubHuggingfacedistilbert-base-multilingual-cased-sentiment开源项目情感分析文本分类机器学习模型
本项目基于distilbert-base-multilingual-cased模型进行微调,在amazon_reviews_multi数据集上实现了优异的文本分类效果,准确率和F1值均为0.7648。模型通过优化训练参数和分布式数据处理,实现高效运行,适合多语言情感分析应用场景,可用于全球市场的用户评价分析。
bert-fa-base-uncased-sentiment-snappfood - ParsBERT波斯语评论情感分析模型
GithubHuggingfaceParsBERTSnappFood人工智能开源项目情感分析模型自然语言处理
ParsBERT波斯语情感分析模型针对SnappFood外卖平台的用户评论进行情感分类。该模型基于ParsBERT v2.0架构,使用7万条标注数据训练,可将评论准确分类为正面或负面情绪。模型在测试中实现87.98%的F1分数,并提供Colab环境供开发者使用。
bert-base-uncased-emotion - BERT模型用于情感分析的优化与应用
GithubHuggingfacePyTorch Lightningbert-base-uncased-emotion开源项目情感分析情感类别数据集模型
该项目基于bert-base-uncased模型,并使用PyTorch Lightning技术在一个情感数据集上进行了微调,支持文本分类和情感分析。训练参数包括128的序列长度、2e-5的学习率、32的批处理大小和4个训练周期,运行在两块GPU上。尽管模型尚未最优化,但在实际应用中显示出一定效果,达到了0.931的验证精度。更多项目详情可以通过nlp viewer查看。
bert-base-uncased-yelp-polarity - BERT模型基于Yelp评论数据集实现高准确率情感分析
GithubHuggingfaceTextAttackbert-base-uncased序列分类开源项目模型模型微调自然语言处理
该项目基于bert-base-uncased模型,利用TextAttack框架和yelp_polarity数据集进行微调,构建了一个文本情感分类器。经过5轮训练,模型在评估集上达到96.99%的准确率。支持最大256的序列长度,专门用于Yelp评论的情感分析。模型采用16的批次大小和5e-05的学习率,展现出优秀的性能表现。
twitter-roberta-base-sentiment-latest - RoBERTa基础的推特情感分析模型 支持英文社交媒体文本
GithubHuggingfaceRoBERTaTweetEvalTwitter开源项目情感分析模型自然语言处理
这是一个基于RoBERTa-base的推特情感分析模型,通过1.24亿条推文训练并针对情感分析任务微调。模型可将英文推文分类为积极、中性或消极,支持Transformers库集成。适用于社交媒体分析和舆情监测等场景,是TweetNLP项目的组成部分,体现了社交媒体自然语言处理的最新进展。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号