Project Icon

twitter-roberta-base-emotion

基于RoBERTa的推特情绪识别与分析模型

twitter-roberta-base-emotion是一个基于RoBERTa架构的情绪识别模型,经过5800万条推特数据训练。模型可识别喜悦、乐观、愤怒和悲伤等情绪类型,并通过TweetEval基准进行了微调。支持Python接口调用,适用于文本情感分析任务。

distilroberta-base - DistilRoBERTa:轻量高效的英语语言模型
DistilRoBERTaGithubHuggingface开源项目机器学习模型模型蒸馏自然语言处理语言模型
DistilRoBERTa-base是RoBERTa-base的精简版本,采用与DistilBERT相同的蒸馏技术。模型包含6层结构,768维向量和12个注意力头,总参数量为8200万,比原版减少33%。在保持相近性能的同时,处理速度提升一倍。主要应用于序列分类、标记分类和问答等下游任务的微调。该模型在英语处理上表现优异,但使用时需注意其可能存在的偏见和局限性。
speech-emotion-recognition - 开源多模型语音情感识别系统
Emo-db数据集Github开源项目机器学习模型深度学习模型特征提取语音情感识别
speech-emotion-recognition是一个开源的语音情感识别系统,基于Emo-db数据集开发。该项目支持SVM、随机森林、神经网络、CNN和LSTM等多种机器学习和深度学习模型。系统使用Python实现,提供完整的数据预处理、特征提取和模型训练工作流程。项目设计简单易用,适合研究人员和开发者进行语音情感分析的研究和应用开发。该系统可应用于客户服务、情感计算、人机交互等领域,具有模型多样化、使用灵活、易于扩展等优点。
hubert-base-ch-speech-emotion-recognition - 中文情感音频识别模型,使用CASIA数据集及HuBERT预训练
CASIA数据集GithubHuggingfacehubert-base-ch-speech-emotion-recognition开源项目情感识别模型音频分类高准确率
项目采用TencentGameMate/chinese-hubert-base模型,在CASIA数据集上进行训练,实现情感识别。CASIA数据集包括6种情感的1200个样本,优化了训练参数,如AdamW优化器和Step_LR学习率调度。模型在测试集上的准确率为97.2%,适用于多种情感分析应用场景。
distilroberta-base-offensive-hateful-speech-text-multiclassification - 基于DistilRoBERTa的多分类攻击性和仇恨言论检测模型
GithubHuggingfacedistilroberta-base仇恨言论检测多分类开源项目文本分类模型预训练模型
这是一个基于DistilRoBERTa-base的预训练模型,专门用于多分类攻击性和仇恨言论检测。该模型在原创数据集上进行微调,准确率达到94.50%。项目提供了Hugging Face上的数据集和演示空间,以及GitHub上的训练notebook。这为研究人员和开发者提供了一个高效工具,用于识别和分类在线有害内容。
distilroberta-bias - 基于DistilROBERTA架构实现的文本偏见智能识别
DistilROBERTAGithubHuggingface偏见检测开源项目文本分类模型维基百科自然语言处理
模型采用distilroberta-base作为基础架构,通过wikirev-bias数据集进行微调。它能够准确区分文本是否包含偏见,将其分类为中性或偏见性内容。该模型在内容审核和文本分析领域具有广泛应用前景。
rubert-tiny-sentiment-balanced - 高效分析俄语短文本情感的专业工具
GithubHuggingfaceRuBERT俄语开源项目情感分析文本分类模型自然语言处理
rubert-tiny-sentiment-balanced是一个针对俄语短文本情感分类的微调模型。它将输入文本分为负面、中性和正面三类。该模型在多个平衡的俄语数据集上训练,提供了情感标签、分数和概率分布输出。模型在不同领域的测试集上展现了良好的性能,F1分数从0.50到0.98不等。用户可以通过简单的Python代码集成此模型,用于俄语文本的情感分析任务。
cryptobert - 预训练NLP模型用于加密货币社交媒体情感分析
CryptoBERTGithubHuggingfaceNLP加密货币开源项目情感分析模型社交媒体
CryptoBERT是针对加密货币社交媒体的情感分析预训练NLP模型,基于vinai's bertweet-base模型在加密货币领域训练而成。它分析超过320万个相关帖子,并针对熊市、中性与牛市进行了情感微调,使用了200万条标记数据以实现高准确性。虽技术上可处理514个token序列,但建议使用128个token以内。此项目在比特币、以太坊等数字货币的情感分析中表现卓越。
bert-base-multilingual-uncased-sentiment - BERT多语言产品评论情感预测模型
GithubHuggingfacebert-base-multilingual-uncased产品评论准确率多语言模型开源项目情感分析模型
bert-base-multilingual-uncased-sentiment是一个基于BERT的多语言情感分析模型,支持英、荷、德、法、西、意六种语言的产品评论分析。模型通过1至5星评级预测评论情感,在大规模多语言产品评论数据集上训练。测试结果显示,模型在各语言上均达到较高的准确率,特别是在'差一星'的宽松评估标准下,准确率普遍超过93%。该模型可直接应用于目标语言的产品评论情感分析,也可作为相关任务的预训练模型进行进一步微调。
bert-base-turkish-sentiment-cased - 高精度的土耳其语言情感分析BERT模型
BERTurkGithubHuggingface土耳其语开源项目情感分析数据集模型模型训练
该模型基于BERTurk,专为土耳其语言的情感分析设计,结合了电影评论、产品评论和推特数据集,实现了95.4%的准确度。适用于多种土耳其语文本情感分析场景,项目由Savas Yildirim发布于Hugging Face平台,并采用了先进的特征表示与融合技术。使用者需遵循引用要求以符合合规标准。
roberta-large - 大型英语预训练模型,适合多种任务优化
GithubHuggingfaceRoBERTaTransformer模型开源项目模型语言模型遮蔽语言建模预训练模型
RoBERTa是一个自监督学习的变压器模型,通过掩码语言建模(MLM)目标优化英语语言的表示。主要用于细调下游任务,如序列和标记分类以及问答。此模型预训练于包括BookCorpus和Wikipedia在内的五个大型语料库,使用BPE分词法和动态掩码训练,实现双向句子表示,并在GLUE测试中表现优异,适合在PyTorch和TensorFlow中应用。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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