Project Icon

scenario-teacher-data-hate_speech_filipino-model-xlm-roberta-base

优化后的模型用于菲律宾语的仇恨言论检测

该项目利用xlm-roberta-base模型微调适用于菲律宾语的仇恨言论检测,已达到78.17%的准确率和76.87%的F1得分。模型特别适应于处理此类任务,通过调整学习率和其他超参数优化性能。训练使用了Adam优化和线性学习率调度策略,总计训练了6969个epoch。

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。
twitter-roberta-large-hate-latest - 增强的多类别仇恨言论检测模型
GithubHuggingfaceRoBERTaSuperTweetEval仇恨言论检测开源项目推特文本分类模型
此RoBERTa-large模型基于154M推文数据进行训练,并在SuperTweetEval数据集上进行微调,以实现仇恨言论的多类别分类检测。模型能够准确识别多种仇恨类型,包括性别、种族和宗教等,为社交媒体内容管理提供支持。
language-detection-fine-tuned-on-xlm-roberta-base - 精度提升的语言检测模型,基于xlm-roberta-base优化
GithubHuggingfacelanguage-detection-fine-tuned-on-xlm-roberta-basexlm-roberta-base准确率开源项目模型模型微调语言检测
该项目展示了一个基于xlm-roberta-base模型优化的语言检测应用,使用common_language数据集实现了0.9738的高准确率。模型使用Adam优化器和线性学习率调度加快训练过程,混合精度训练提升效率。适用于多语言环境中需要高精度语言分类的场景。
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。
beto-contextualized-hate-speech - BETO基于情境的西班牙语仇恨言论多标签分类模型
BETOGithubHuggingface仇恨言论检测多标签分类开源项目文本分类模型西班牙语
这个基于BETO的模型为西班牙语仇恨言论检测提供了创新解决方案。它不仅能识别针对8个不同群体的仇恨言论,还能检测暴力煽动。通过综合分析评论内容和背景信息,模型实现了更准确的多标签分类。研究人员和内容审核者可以利用此工具,快速获取详细的仇恨言论分析结果,有助于更好地理解和应对在线仇恨言论问题。
roberta-hate-speech-dynabench-r4-target - 动态数据集驱动的在线仇恨检测模型
GithubHuggingfaceLFTWR4 Target动态生成数据集在线仇恨检测开源项目模型深度学习
roberta-hate-speech-dynabench-r4-target是一个基于动态生成数据集的在线仇恨检测模型。该模型源自'Learning from the Worst'研究,旨在通过创新的数据生成方法提高AI系统识别网络仇恨言论的准确性。作为R4 Target系列的一部分,这个模型代表了在线内容审核技术的最新进展,为构建更安全的互联网环境提供了有力工具。
dehatebert-mono-english - 高效检测英文仇恨言论的英语深度学习模型
GithubHuggingfacehatespeech单语多语言开源项目模型深度学习英文
该模型专注于检测英文仇恨言论,使用单语言数据训练,并在多语言BERT模型上进行微调。它的最佳验证得分为0.726030,采用了2e-5的学习率。训练代码可在GitHub上查阅。该项目由Aluru、Mathew、Saha和Mukherjee共同开发,相关论文已在ECML-PKDD 2020大会上发表,探讨了跨语言仇恨言论检测的深度学习方法。
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。
filipino-wav2vec2-l-xls-r-300m-official - 基于XLS-R的菲律宾语语音识别模型
GithubHuggingfacewav2vec2开源项目机器学习模型模型训练语音数据集语音识别
这是一个针对菲律宾语的语音识别模型,通过在filipino_voice数据集上微调wav2vec2-xls-r-300m实现。经过30轮训练后,模型在测试集上达到了0.2922的词错误率,可用于菲律宾语音频识别任务。
twitter-xlm-roberta-base-sentiment-multilingual - XLM-RoBERTa模型在多语言推特情感分析中的应用
GithubHuggingfaceXLM-RoBERTasentiment analysistweetnlp多语言开源项目文本分类模型
本项目是基于cardiffnlp/twitter-xlm-roberta-base模型针对多语言推特情感分析进行的微调。模型在cardiffnlp/tweet_sentiment_multilingual数据集上训练,通过tweetnlp库实现。测试结果显示,模型在F1分数和准确率方面均达到约69%的性能。研究人员和开发者可使用简单的Python代码调用此模型,为多语言社交媒体内容分析提供了实用的解决方案。
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