# 高精度感情分類

このモデルはDistilBertアーキテクチャを最適化したテキスト分類モデルで、IMDB映画レビューのポジティブ/ネガティブ感情分類に特化しています。

airesearch/wav2vec2-large-xlsr-53-thをファインチューニングしたタイ語音声感情認識モデルで、怒り、喜び、平静の3つの感情分類をサポート

このモデルはMistralAI 7Bアーキテクチャをファインチューニングしたテキスト分類モデルで、Twitter/Xプラットフォーム上の原子力関連トピックに対する感情傾向を分析するために特別に設計されており、分類精度は94%に達します。

Fast Emotion-Xは、MicrosoftのDeBERTa V3 Smallモデルをファインチューニングした感情検出モデルで、テキストを6つの感情カテゴリーに正確に分類できます。

HuBERTアーキテクチャに基づくトルコ語音声感情認識モデルで、TurEV-DBデータセットで訓練され、怒り、平静、喜び、悲しみの4つの感情を識別できます。

wav2vec2-large-xlsr-53ベースの音声感情認識モデル、7種類の感情分類に対応

bert-base-chineseをファインチューニングした中国語金融感情分析モデルで、アナリストレポートの感情分類に特化

wav2vec2アーキテクチャに基づく英語音声感情認識モデル、RAVDESSデータセットで微調整

このモデルはHuBERTアーキテクチャを基にファインチューニングされたロシア語音声感情認識モデルで、DUSHAデータセットで訓練されており、中立、怒り、ポジティブ、悲しみなどの感情状態を識別できます。

DistilBERTに基づく軽量級テキスト感情分類モデルで、emotionデータセットで微調整され、正解率は92.05%に達します。

DistilBERTベースのテキスト感情分類モデルで、emotionデータセットで微調整され、精度は92.25%を達成

RoBERTa-baseアーキテクチャを微調整した多クラステキスト分類モデルで、感情検出タスク向けに設計されており、emotionデータセットで検証精度94.1%を達成。