16個のモデルが条件に一致します

RuBERTは、ロシア語のウィキペディアとニュースデータを基に訓練されたロシア語のBERTモデルで、1億8000万のパラメータを持ち、マスク言語モデリングと次文予測タスクをサポートします。

OpenSubtitles、Dirty、PikabuおよびTaigaコーパスのソーシャルメディアセクションを基に訓練されたロシア語対話モデル

DeepPavlov/rubert-base-casedをファインチューニングしたロシア語自然言語推論モデルで、2つのテキスト間の論理関係（含意/矛盾/中立）を予測可能

DeepPavlov/rubert-base-cased事前学習モデルを基に、MS-MARCOロシア語段落並べ替えデータセットでファインチューニングされたsentence-transformersモデルで、ロシア語情報検索タスクに使用されます。

DeepPavlov/rubert-base-cased-conversationalアーキテクチャに基づき、RuSentimentデータセットで訓練された感情分析モデルで、ロシア語テキストの中性、ポジティブ、ネガティブな感情を識別できます。

DeepPavlov/rubert-base-cased事前学習モデルを基に、MS-MARCOロシア語パッセージランキングデータセットで微調整されたsentence-transformersモデルで、ロシア語の非対称意味検索に使用されます。

RuBERTアーキテクチャに基づくロシア語短テキスト感情分類モデルで、中立、積極的、消極的の3つの感情分類をサポート

表現に基づくロシア語の文章エンコーダーで、平均プーリングによってトークン埋め込みベクトルから文章表現を取得します。

BERTアーキテクチャに基づくロシア語テキスト感情分類モデル

RuBERTをファインチューニングしたロシア語多クラス感情分類モデルで、中立、ポジティブ、ネガティブの3つの感情分類をサポートします。

このモデルは医療コメントコーパスでファインチューニングされたRuBERT事前学習モデルで、医療コメントの感情傾向を分析するために使用されます。

ruBERT-conversationalベースのロシア語文意味類似度評価モデル、複数の言い換え検出データセットでトレーニング済み

DeepPavlov/rubert-base-casedをファインチューニングしたロシア語BERTモデルで、2つの短いテキスト間の論理的関係（含意または非含意）を予測します。

DeepPavlov/rubert-base-cased-conversationalアーキテクチャに基づき、RuReviewsデータセットで訓練された感情分析モデルで、ロシア語の製品レビューの感情分類に使用されます。

これはDeepPavlovで開発された言い換え検出器で、Transformers形式に移植されたモデルであり、ロシア語テキストが言い換え関係にあるかどうかを検出するために使用されます。

rubert-base-casedに基づいて構築された抽出型要約生成モデルで、ロシア語のニューステキストに特化して最適化されています。