# テキスト分類最適化

GIST-Embedding-v0 は sentence-transformers ベースの文埋め込みモデルで、主に文の類似度計算と特徴抽出タスクに使用されます。

distilbert-base-uncasedをファインチューニングしたテキスト分類モデルで、評価データセットで優れた性能を示し、精度とF1スコアが共に1.0を達成しました。

Snowflake Arctic Embed S は文の類似度タスクに特化した埋め込みモデルで、Snowflake社によって開発されました。分類、クラスタリング、検索など、さまざまなテキスト関連タスクで優れた性能を発揮します。

このモデルはDistilBERTをCoLA（Corpus of Linguistic Acceptability）データセットでファインチューニングしたバージョンで、文法受容性判断タスクに使用されます。

distilbert-base-uncasedをファインチューニングしたモデル、具体的なタスクとデータセット情報は提供されていません

DistilBERTベースの軽量テキスト分類モデルで、GLUEのCoLAタスクでファインチューニングされ、文の文法正しさを判断

大規模なタガログ語テキストで訓練されたBERTバリアントで、全単語マスキング技術を採用し、フィリピン語の自然言語処理タスクに適しています

軽量BERTモデル、ペルシャ語の言語表現のための自己教師あり学習専用設計

distilbert-base-uncasedをGLUEデータセットで微調整したテキスト分類モデル、文の受容可能性判断タスク用

ELECTRAフレームワークでトレーニングされたタミル語事前学習モデル、第二版はTPUトレーニングを採用しコーパス規模を拡大

bert-base-uncasedをベースに微調整されたモデルで、仇恨メムのテキスト内容を識別するために使用されます。

このモデルはbert-base-multilingual-casedを未知のデータセットでファインチューニングしたバージョンで、主に多言語テキスト処理タスクに使用されます。