Project Icon

bert-base-uncased-emotion

情感数据集的高效文本分类模型

bert-base-uncased模型针对情感数据集的微调结果显示,其在准确率和F1分数分别达到94.05%和94.06%。借助PyTorch和HuggingFace平台,该模型实现高效的情感文本分类,适用于社交媒体内容分析,特别是在Twitter环境中,为数据科学家和开发人员提供情感解析的精确工具。

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。
roberta-base-go_emotions - RoBERTa模型实现28种情感多标签分类
GithubHuggingfaceRoBERTago_emotions数据集text-classification多标签分类开源项目情感分析模型
该模型基于roberta-base,利用go_emotions数据集训练而成,可对文本进行28种情感的多标签分类。模型在测试集上实现0.474的准确率和0.450的F1分数。为提升性能,还提供ONNX版本。研究者可通过Hugging Face Transformers框架便捷应用此模型。值得注意的是,某些情感标签如'gratitude'表现优异,F1值超过0.9,而'relief'等标签表现欠佳,可能与训练数据分布不均有关。通过优化每个标签的阈值,模型的整体F1分数可提升至0.541,显示出进一步改进的潜力。
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
AraBERTGithubHuggingface开源项目情感分析机器学习模型自然语言处理阿拉伯语情感分析
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。
sentiment-roberta-large-english-3-classes - 基于RoBERTa的英文情感分析模型,精确分类社交媒体情感
GithubHuggingfaceRoBERTa准确率开源项目情感分析模型社交媒体
该模型使用RoBERTa进行三类情感分类(正面、中性、负面),特别适合社交媒体文本。通过5,304条社交媒体帖子进行微调,达到了86.1%的准确率。可通过transformers库轻松集成,提高文本分类的精准性和效率。
twitter-roberta-base-sentiment - RoBERTa模型实现Twitter推文情感分析
GithubHuggingfaceTweetEvalTwitterroBERTa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Twitter情感分析模型,通过5800万条推文训练和TweetEval基准微调而成。模型可将英文推文分类为负面、中性和正面三种情感。项目提供了包含文本预处理、模型加载和情感预测的使用示例。此外,还有一个基于更多最新推文训练的改进版本,可提供更精确的情感分析。该开源项目为自然语言处理研究者和开发者提供了实用的Twitter情感分析工具。
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。
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。
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。
distilbert-base-uncased-finetuned-sst-2-english-openvino - 基于DistilBERT的情感分析模型 OpenVINO优化版达91.3%准确率
DistilBERTGithubHuggingfaceOpenVINO开源项目情感分析文本分类模型模型微调
本项目基于DistilBERT模型,在SST-2数据集上微调后转换为OpenVINO格式,专注于文本情感分类。模型在开发集上的准确率达91.3%,并支持通过Transformers pipeline快速部署。OpenVINO优化提升了推理效率,使其更适合生产环境中的情感分析应用。项目提供了简单的使用示例,方便开发者快速集成和应用。
indobert-emotion-classification - 高性能印尼语情感分类BERT模型
GithubHuggingfaceIndoBERTtransformer开源项目情感分类模型模型导入自然语言处理
indobert-emotion-classification是一个基于BERT的印尼语情感分析模型。该模型能够对印尼语文本进行情感分类,支持多种情感标签。通过Hugging Face Transformers库,indobert-emotion-classification可以轻松集成到各种自然语言处理项目中。这个模型适用于分析印尼语社交媒体内容、客户反馈等文本数据的情感倾向,为研究人员和开发者提供了有力的工具。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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