Project Icon

rubert-tiny2-cedr-emotion-detection

俄语情感识别的多标签分类模型

该模型基于cointegrated/rubert-tiny2进行微调,适用于俄语文本的多标签情感分类任务。模型在CEDR数据集上经过40个周期的训练,学习率为1e-5,批次大小为64。测试结果显示,模型在愉悦、悲伤、惊讶等情感识别上的表现优异,AUC平均值为0.8956,F1微平均值为0.9280,可用于多种俄语文本情感分析场景。

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。
wav2vec2-large-xlsr-53-russian - 基于XLSR-53的俄语语音识别微调模型
Common VoiceGithubHuggingfaceWav2Vec2XLSR-53俄语开源项目模型语音识别
该项目是一个基于wav2vec2-large-xlsr-53的俄语语音识别微调模型。经Common Voice 6.1和CSS10数据集训练,适用于16kHz采样的语音输入。模型在Common Voice ru测试集上实现13.3%词错误率和2.88%字符错误率,加入语言模型后性能提升至9.57%和2.24%。支持通过HuggingSound库或自定义脚本使用,可应用于多种俄语语音识别场景。
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。
twitter-roberta-base-emotion - 基于RoBERTa的推特情绪识别与分析模型
GithubHuggingfaceRoBERTa开源项目情感识别推特数据分析模型深度学习自然语言处理
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。
russian_toxicity_classifier - 基于BERT的俄语有毒评论识别模型
BERTGithubHuggingface俄语开源项目文本分类模型毒性评论检测自然语言处理
russian_toxicity_classifier是一个基于BERT的俄语有毒评论分类模型,通过微调Conversational RuBERT训练而成。该模型使用2ch.hk和ok.ru的合并数据集,在测试集上实现97%的准确率。它可轻松集成到Python项目中,用于识别和分类俄语文本的毒性。这一开源工具为研究人员和开发者提供了有效应对在线交流中有毒内容的解决方案。
wav2vec2-base-superb-er - 基于Wav2Vec2的语音情感识别模型实现高精度声学特征提取
GithubHuggingfaceIEMOCAPSUPERBWav2Vec2开源项目情感识别模型语音识别
wav2vec2-base-superb-er是一个针对SUPERB情感识别任务优化的语音情感识别模型。该模型可从16kHz采样的语音中提取声学特征,识别说话者的情感状态。经IEMOCAP数据集训练后,模型能识别4种主要情感类别,测试集识别准确率为62.58%。模型提供pipeline接口和直接调用方式,便于快速部署语音情感分析应用。
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。
roberta-base-finetuned-dianping-chinese - 中文RoBERTa模型用于多领域文本情感和主题分类
GithubHuggingfaceRoBERTaTencentPretrainUER-py开源项目文本分类模型模型微调
该项目包含利用UER-py和TencentPretrain微调的中文RoBERTa-Base模型,用于用户评论和新闻数据的情感及主题分类。模型可通过HuggingFace获取,适用于多种文本分类任务,具备高度的分类精准度。
conv-emotion - 会话情感识别技术及最新数据集与模型更新
COSMICDialogueGCNGithubRECCONTL-ERCemotion recognition开源项目
本页面介绍了会话情感识别技术,包括用于识别会话情感的多种基于PyTorch和TensorFlow的模型,如COSMIC、TL-ERC和DialogueGCN。还提供了最新的多模态多方对话数据集和相关基准数据集,并介绍了识别会话情感原因和对话生成的技术。这些技术通过建模对方状态和跨人际依赖关系来实现情感识别。最新更新包括M2H2数据集和相关基线模型,并链接至其他重要项目和研究。
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。
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