Project Icon

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

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。

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。
emotion-english - 基于自然语言处理的20类情感识别模型
GithubHugging FaceHuggingface开源项目情感分类文本分析机器学习模型自然语言处理
emotion-english项目是一个基于transformers库的文本分类模型,可识别20种不同情感。该模型支持从愤怒、好奇到悲伤、欢乐等多样化情感识别,易于集成到各类自然语言处理应用中。这一工具为情感分析任务提供了精确而全面的解决方案,适用于需要深入理解文本情感的各种场景。
bertweet-base-sentiment-analysis - 英文推文情感分析模型 BERTweet-Sentiment
BERTweetGithubHuggingface开源项目情感分析推特数据机器学习模型模型自然语言处理
bertweet-base-sentiment-analysis是一个基于SemEval 2017语料库训练的英文情感分析模型。它利用BERTweet作为基础,能够识别文本中的积极、消极和中性情感。作为pysentimiento库的组成部分,该开源项目主要面向非商业用途和科研领域,为自然语言处理研究提供了实用的情感分析工具。
robertuito-emotion-analysis - RoBERTuito驱动的西班牙语情感分析模型
GithubHuggingfaceRoBERTuitoTwitter开源项目情感分析模型自然语言处理西班牙语
robertuito-emotion-analysis项目提供了一个基于RoBERTuito的西班牙语情感分析模型。该模型能够识别6种基本情绪和中性情绪,在情感分析、仇恨言论检测和讽刺识别等任务中表现出色。模型使用TASS 2020 Task 2语料库训练,为处理西班牙语社交媒体文本提供了有效工具。研究人员可以通过Hugging Face模型库轻松访问和使用这一资源。
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。
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。
bert-base-uncased-emotion - BERT模型用于情感分析的优化与应用
GithubHuggingfacePyTorch Lightningbert-base-uncased-emotion开源项目情感分析情感类别数据集模型
该项目基于bert-base-uncased模型,并使用PyTorch Lightning技术在一个情感数据集上进行了微调,支持文本分类和情感分析。训练参数包括128的序列长度、2e-5的学习率、32的批处理大小和4个训练周期,运行在两块GPU上。尽管模型尚未最优化,但在实际应用中显示出一定效果,达到了0.931的验证精度。更多项目详情可以通过nlp viewer查看。
rubert-base-cased-russian-sentiment - 基于RuBERT的俄语短文本情感分析模型
GithubHuggingfaceRuBERT俄语多类分类开源项目情感分析文本分类模型
这是一个基于RuBERT的俄语情感分析模型,专门用于短文本的多类别情感分类。模型支持中性、积极和消极三种情感标签,可通过Python代码轻松调用。它在多个俄语数据集上进行了微调,涵盖新闻、评论和社交媒体文本。该模型为需要进行俄语文本情感分析的开发者和研究人员提供了一个实用的工具。
distilbert-base-uncased-finetuned-sst-2-english - 英语文本情感分析的高精度模型
DistilBERTGithubHuggingface偏见开源项目文本分类模型精度
模型由Hugging Face团队微调,适用于SST-2情感分析任务,精度达到91.3%。针对英语文本特性设计,适合单标签分类。适用Python和Transformers库,易于集成。模型可实现高效特征提取,但可能在特定背景下产生偏差,应在应用前充分测试。开放源代码,Apache-2.0许可支持二次开发。
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。
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