# テキスト分類

DistilBERTベースの多言語感情分析モデルで、複数言語のテキスト感情分類タスクに適しています。

ModernBERT-baseをファインチューニングしたモデルで、評価データセットでのF1スコアは0.3833

これはドイツ語向けに最適化されたファインチューニングMBertモデルで、品質分野に特化しており、Multi2ConvAIプロジェクトによって開発されました。

これはBERTアーキテクチャに基づき、英語品質分野のテキスト分類タスク向けにファインチューニングされたモデルで、Multi2ConvAIプロジェクトの一部です。

distilbert-base-uncasedをファインチューニングした感情分析モデルで、テキストの感情分類タスクに使用

ModernBERT-baseアーキテクチャに基づく機械生成テキスト検出モデルで、言語モデルの崩壊を防止するために使用されます

これはdistilbert-base-uncasedをファインチューニングした感情分析モデルで、評価データセットで93.2%の精度を達成しました。

このモデルはbert-base-uncasedをベースにファインチューニングしたバージョンで、特定タスクの再現率向上に特化しています

これはXLM-RoBERTaベースの多言語検出モデルで、20言語の識別をサポートしています。

distilbert-base-uncasedを基に微調整した感情分析モデルで、評価セットで87.67%の精度を達成

DistilBERTベースの軽量テキスト分類モデル、位置分類タスク用

vinai/phobert-base-v2をファインチューニングした感情分析モデルで、評価データセットで93.6%の精度を達成

DistilBERTをファインチューニングした悪意のあるURL検出モデルで、フィッシングやマルウェアなどの有害リンクを正確に識別可能

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、F1スコアは0.6147

このモデルはFacebookAIのroberta-baseをWebi-CPC-11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、主にテキスト分類タスクに使用され、評価セットで84.32%の精度を達成しました。

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、特定タスク向けにトレーニングされています。

このモデルはModernBERT-baseをファインチューニングしたAI生成テキスト検出器で、AI生成テキスト（ChatGPT、DeepSeek、Claudeなど）と人間が書いたテキストを区別できます。

Transformerベースの分類器で、提供された姓が実在するか架空かを判断します。

DistilBERTベースの脆弱性重大度分類モデルで、脆弱性の説明に基づいて重大度レベルを自動判断

distilbert-base-uncasedを基にファインチューニングした感情分析モデルで、評価セットで85.67%の精度を達成

IBMが開発した107Mパラメータの多言語埋め込みモデルで、12の言語をサポートし、MTEBベンチマークテストで優れた性能を発揮します。

DistilBERTベースの軽量テキスト感情分析モデルで、特に書評データ向けにファインチューニングされています

DistilBERTベースの軽量文埋め込みモデル、様々なテキスト処理タスクに適応

継続学習と動的カテゴリ拡張をサポートするテキスト分類モデル

VISION-1はtransformersベースのコンテンツモデレーションとセーフティ分類モデルで、テキスト分類タスクに特化しています。

BERTアーキテクチャをファインチューニングしたフィッシングメール検出モデルで、フィッシングメールと通常のメールを正確に識別できます。

これはスパム検出用にファインチューニングされたBERTモデルで、検証精度は約99%です

distilbert-base-uncasedをファインチューニングした感情分析モデルで、評価データセットで94%の精度を達成

DistilBERTベースの感情分析モデル、未知のデータセットでファインチューニングされ、精度は56.16%

飽和型ジェイルブレイク攻撃を検出するための小型BERTモデルで、他のタイプのジェイルブレイク攻撃に対する独立した防御には適していません。

GPT-2をファインチューニングした言語識別モデルで、90言語のテキスト分類をサポート

BERTアーキテクチャに基づくアラビア語事前学習モデル、アラビア語テキスト分類タスクに適しています

多言語E5大型命令モデル、100以上の言語のテキスト埋め込みと分類タスクをサポート

PyTorchに基づくテキスト分類モデルで、テキスト分類関連のタスクに使用できます。

これはmultilingual-e5-baseモデルを基に韓国語向けに最適化された文埋め込みモデルで、多言語テキスト類似度計算と特徴抽出をサポートします。

Debertaアーキテクチャに基づくロシア語スパム検出モデルで、テキストをスパムまたは非スパムに分類できます。

distilbert-base-uncasedをファインチューニングした感情分析モデルで、評価データセットでの精度は87.67%

DistilBertベースのログ分析モデルで、ログデータの処理と分析に使用されます

DistilBERTベースの軽量ウズベク語感情分析モデルで、テキストの感情分類に使用されます。

このモデルはneuralmind/bert-large-portuguese-casedをPtBrVId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、主にポルトガル語テキスト処理タスクに使用されます。