Project Icon

AraBert-Arabic-Sentiment-Analysis

基于AraBERT的阿拉伯语情感分析模型实现80%分类准确率

基于AraBERT预训练模型微调的阿拉伯语情感分析模型,在评估数据集上实现了80.03%的准确率和65.43%的宏F1分数。模型采用Adam优化器和线性学习率调度器,使用16的训练批次大小,经过2轮训练得到。基于Transformers框架开发,专注于阿拉伯语文本的情感分类任务。

bert-fa-base-uncased - 波斯语领域预训练的单语言Transformer模型
GithubHuggingfaceParsBERT命名实体识别开源项目情感分析模型语言模型预训练
ParsBERT是一个基于Transformer架构的波斯语单语言模型,通过大规模波斯语料库预训练,能够处理情感分析、文本分类及命名实体识别等任务。ParsBERT v2.0通过词汇表重构和新波斯语料库微调,在多项任务中表现优于多语言BERT和其他模型,提升了波斯语语言处理的效果。该模型支持掩码语言建模和后续任务微调,用户可在Hugging Face平台获取不同任务的微调版本。
indonesian-roberta-base-sentiment-classifier - 印尼语RoBERTa情感分类器:高精度的开源NLP工具
GithubHuggingfaceRoBERTa印尼语情感分类开源项目情感分析模型深度学习自然语言处理
这是一个基于RoBERTa架构的印尼语情感分类器,在indonlu的SmSA数据集上微调而成。模型在评估集上展现出卓越性能,准确率达94.36%,F1值达92.42%。它支持多种深度学习框架,易于集成到各类情感分析应用中。作为开源项目,该模型为印尼语自然语言处理领域提供了一个高效可靠的工具,推动了相关研究和应用的发展。模型采用了124M参数的RoBERTa Base架构,在印尼语评论和评论数据上训练。它不仅在评估集上表现优异,在基准测试集上也达到了93.2%的准确率和91.02%的F1值。该项目提供了详细的使用说明和评估结果,方便研究者和开发者快速上手和复现实验。
sentiment-roberta-large-english - RoBERTa微调的通用英文情感分析模型
GithubHuggingfaceRoBERTaSiEBERT开源项目情感分析机器学习模型自然语言处理
sentiment-roberta-large-english是一个基于RoBERTa-large的微调模型,用于英文文本的二元情感分析。该模型在15个不同来源的数据集上进行了训练和评估,提高了对各种文本类型的泛化能力。在新数据上,其表现优于仅在单一类型文本上训练的模型,平均准确率为93.2%。模型可通过Hugging Face pipeline快速部署,也可作为进一步微调的基础。
dziribert - 突破性阿尔及利亚方言自然语言处理工具
DziriBERTGithubHuggingface开源项目模型自然语言处理语言模型阿尔及利亚方言预训练模型
DziriBERT是首个专门为阿尔及利亚方言开发的Transformer语言模型。该模型能同时处理阿拉伯文和拉丁文字符的阿尔及利亚文本,在仅使用约100万条推文进行预训练的情况下,就在阿尔及利亚文本分类任务中创下新纪录。DziriBERT支持掩码语言建模,适用于多种自然语言处理任务。但值得注意的是,由于预训练数据源自社交媒体,模型可能会在某些情况下生成不当词语,使用时需根据具体应用进行筛选。
bert-finetuned-japanese-sentiment - 日语电商评论情感分析BERT微调模型
BERTGithubHuggingface开源项目情感分析日语处理机器学习模型自然语言处理
该模型基于cl-tohoku/bert-base-japanese-v2微调,使用20,000条亚马逊日语评论进行训练。经过6轮训练后,模型能够将文本准确分类为正面、中性或负面情感,验证集准确率达81.32%。此模型主要适用于日语电商评论等领域的情感分析任务。
twitter-roberta-base-emotion-multilabel-latest - 精确识别推文情绪的多标签分类模型
GithubHuggingfacetweetnlptwitter-roberta-base-emotion-multilabel-latest多标签分类开源项目情感分析机器学习模型
该项目微调了cardiffnlp/twitter-roberta-base-2022-154m模型,专注于SemEval 2018情感分析任务,显著增强推文的多标签情绪分类能力。模型在测试集上的F1 micro为0.7169,F1 macro为0.5464,是推文情感分析的理想选择。适用于tweetnlp和transformers中的文本分类任务,支持通过Python加载工具进行灵活使用,有助于社交媒体情感解析。
indonesia-bert-sentiment-classification - 基于IndoBERT模型的印尼情感分类工具
GithubHuggingfaceIndoBERTIndonesian BERT Base Sentiment ClassifierProsa情感数据集text-classification开源项目情感分析模型
基于IndoBERT和Prosa数据集的模型,提供印尼语文本情感分析与分类,准确识别正面、中立和负面情绪,适用于自然语言处理任务。
twitter-xlm-roberta-base-sentiment-finetunned - XLM-RoBERTa微调的多语言Twitter情感分析模型
GithubHuggingfaceXLM-Roberta多语言模型开源项目情感分类文本分类模型模型微调
该模型是Citizen Lab团队基于XLM-RoBERTa架构微调的多语言Twitter情感分类器。支持英语、荷兰语、法语等10种语言,可准确识别文本的正面、负面和中性情感。模型在F1分数和准确率方面表现出色,使用简单,适用于多种社交媒体情感分析场景。
rubert-tiny2-russian-emotion-detection - RuBERT-tiny2模型实现高精度俄语情感分析
AniemoreBERTGithubHuggingface俄语多标签分类开源项目情感检测模型
该项目开发了基于RuBERT-tiny2架构的俄语文本情感分析模型,可识别7种情感类别。模型在CEDR M7数据集上实现85%的多标签准确率和76%的单标签准确率。项目提供Python接口便于集成,同时开源了功能全面的Aniemore软件包。这一解决方案为俄语文本的情感分析任务提供了高效准确的工具支持。
txlm-roberta-hindi-sentiment - 印地语情感分析模型:性能与应用场景
F1-scoreGithubHindiHuggingfaceT-XLM-RoBERTa-Hindi-Sentiment开源项目情感分类数据集模型
这款印地语情感分析模型基于公开数据集进行了微调,具备0.89的加权平均宏F1评分,适合在印地语媒体中提取情感信息。模型使用PyTorch模块进行微调,详细教程可在LondonStory的GitHub页面获取。
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