# テキスト感情分析

DistilBERTベースの軽量感情分析モデル、テキスト感情分類タスクに適しています

distilbert-base-uncasedモデルをIMDBデータセットでファインチューニングしたテキスト分類モデル

DeBERTa-v3-baseを基にした量子化ONNXモデルで、ゼロショットテキスト分類タスクに適しています

BERTアーキテクチャに基づくテキスト分類モデルで、ユーザーのテキストまたは音声入力におけるメンタルヘルス問題の深刻度を評価するために使用されます

DistilBERTベースの軽量テキスト感情分類モデル、emotionデータセットでファインチューニング済み、精度93.05%

microsoft/xtremedistil-l6-h384-uncasedをファインチューニングしたモデル、具体的な用途は明記されていない

bert-base-uncasedモデルをレビュー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、テキスト分類タスクに適しています。

このモデルはDistilBERTベースモデルをIMDB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、主にテキスト感情分析タスクに使用されます。

このモデルはbert-base-uncasedをSST-2データセットでファインチューニングしたテキスト分類モデルで、nn_pruningライブラリを用いてプルーニング最適化が施されており、元モデルの51%の重みを保持しつつ91.17%の精度を達成しています。

bert-base-uncasedをファインチューニングしたモデルで、メンバー攻撃検出タスクに使用され、評価セットで86.81%の精度を達成しました。

DistilBERTベースの軽量テキスト感情分類モデル、emotionデータセットでファインチューニングされ、精度は92.3%

ゼロショットと少サンプルのテキスト分類用に訓練された交差注意自然言語推論モデルです。

dbmdz/distilbert-base-turkish-casedをファインチューニングしたトルコ語ゼロショット分類モデル

このモデルは、GoogleのT5-baseモデルを感情識別データセットで微調整したもので、テキストの感情分類タスクに使用され、テキストを6種類の基本感情に分類できます。

distilbert-base-uncased-finetuned-sst-2-englishをベースにファインチューニングしたテキスト分類モデルで、評価セットで86.38%の精度を達成

このモデルはDistilBERTベースモデルをSST5データセットでファインチューニングしたテキスト分類モデルで、精度は50.45%です。

Transformerアーキテクチャに基づく事前学習言語モデルで、様々な自然言語処理タスクに適しています。

DistilBERTベースの軽量テキスト感情分類モデル、emotionデータセットで微調整され、精度は92.4%

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ました。

このモデルはBERT-tinyアーキテクチャに基づき、SST-2データセットでM-FAC二次最適化器を使用してファインチューニングされたテキスト分類モデルです。

このモデルは、SST - 2データセット上でM - FAC二阶最適化器を用いて微調整されたBERT - miniモデルで、テキスト分類タスクに使用されます。

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

microsoft/deberta-v3-largeモデルをSST-2データセットでファインチューニングした感情分析モデル