# 高精度感情分析

BERT-base-uncasedをベースに微調整されたメンタルヘルステキスト分類モデルで、テキストを7種類のメンタルヘルスカテゴリに分類できます。

ModernBERT-baseをファインチューニングした多クラス感情分類モデルで、7種類の感情ラベルを識別可能

FRIDA は、分類、クラスタリング、リランキングなど、さまざまな自然言語処理タスクをサポートするマルチタスク評価モデルです。

Amazonの顧客レビューに基づく感情分析モデルで、テキストを肯定的または否定的な感情に分類できます。

ruRoberta-largeをファインチューニングしたマルチラベル感情分類モデルで、ロシア語テキスト中の27種類の感情タイプを検出可能。現在ロシア語オープンソースモデルの中で最高性能の感情検出モデルです。

Meta-Llama-3.1-8B-Instructをファインチューニングしたメンタルヘルステキスト分類モデルで、抑うつや不安などの心理状態を識別可能

wav2vec2-baseを微調整した音声感情分類モデルで、話者の感情状態を識別するために使用されます。

これはXLS-R Wav2Vec2アーキテクチャに基づくロシア語音声感情認識モデルで、7つの基本感情を72%の精度で識別可能です。

このモデルはRoBERTaベース版をファインチューニングした二値分類感情分析モデルで、Yelpレビューの感情極性分類に特化しています。

これはAutoNLPを通じて訓練された二元分類モデルで、IMDB映画レビューの感情分析に使用されます。

このモデルは、bert-base-uncasedをyelp_polarityデータセットで微調整したバージョンで、テキスト分類タスクに使用され、正解率は95.16%に達しています。

これはAutoNLPでトレーニングされた二値分類モデルで、英語テキストの感情分析に特化しています。

RoBERTaアーキテクチャに基づく感情分析モデルで、Twitter感情データセットでファインチューニングされ、テキスト感情分類に使用されます。

これはAutoNLPを基に訓練された二元分類モデルで、感情分析タスクに使用され、IMDBデータセットで優れた性能を発揮します。

DeBERTa - v3をベースに微調整したテキスト感情分類モデルで、emotionデータセットで優れた性能を発揮します。