# 感情分析

Llama 3.1 8Bをファインチューニングした金融専門モデル、金融推論、Q&A、マルチターン対話に優れる

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

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。

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-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

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%

このモデルはGoogleのViTベースモデルをFER2013データセットでファインチューニングした顔表情分類器で、画像を4種類の顔表情に分類できます。

ModernBERTはマルチタスクソースの自然言語推論（NLI）タスクでファインチューニングされたモデルで、ゼロショット分類と長文脈推論に優れています。

これはAutoTrainを使用してSST-2英語データセットでファインチューニングされたDistilBERTモデルで、テキスト分類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感情分析モデルで、評価データセットでの精度は87.67%

LLAMA 3 8Bをベースに微調整された金融分野専用の言語モデルで、金融テキスト分析タスクに特化しています。

SSTデータセットでT5-baseモデルをファインチューニングしたテキスト生成モデル

TinyLlama-1.1Bをファインチューニングしたタロットカード解釈モデルで、タロットカードに基づいた予測と解釈が可能です。

Emobloom-7bはEmoLLMsプロジェクトの一部であり、包括的な感情分析に特化した、命令追従能力を備えた最初のオープンソース大規模言語モデルシリーズです。

Emollama-chat-7bはEmoLLMsプロジェクトの一部であり、命令追従能力を備えた最初のオープンソース大規模言語モデルシリーズで、包括的な感情分析に特化しています。

DistilBERTを感情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、テキスト中の感情カテゴリを識別します。

これはsst2データセットで訓練されたSetFitモデルで、英文テキスト分類タスクに使用され、効率的な少数ショット学習技術で訓練されています。

ViSoBERTは、ベトナムのソーシャルメディアテキスト向けに構築された初の単一言語事前学習言語モデルで、XLM-Rアーキテクチャに基づいており、複数のベトナムソーシャルメディアタスクで優れたパフォーマンスを発揮します。

このモデルは自己教師ありチューニング手法で訓練されており、ゼロショットテキスト分類タスクに適しており、追加のファインチューニングなしで感情分析やトピック分類などのタスクを実行できます。

facebook/wav2vec2-baseをファインチューニングした音声感情認識モデルで、評価データセットで84.71%の精度を達成

GPT-2中型モデルを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で、テキスト感情分類タスクに使用されます。

BEiTアーキテクチャに基づく画像分類モデルで、FER2013とCK+データセットでファインチューニングされており、主に表情認識タスクに使用されます。

FER2013データセットでファインチューニングされたMicrosoft BEiTモデルベースの表情認識モデル

BEiTアーキテクチャに基づく画像分類モデルで、FER2013データセットでファインチューニングされ、表情認識タスクに使用されます

FER2013データセットでファインチューニングされたマイクロソフトBEiTモデルに基づく表情認識モデル

BEiTアーキテクチャに基づくビジョントランスフォーマーモデルで、FER2013データセットでファインチューニングされ、表情認識タスク用

BEiTアーキテクチャに基づく画像分類モデルで、FER2013データセットでファインチューニングされ、顔表情認識に使用されます

これはBertアーキテクチャを基にファインチューニングされたモデルで、テキストメッセージの感情傾向を分析し、ポジティブとネガティブな感情を区別できます。

これはAutoTrainでトレーニングされた二項分類モデルで、IMDB映画レビューの感情分析に特化しています。

DistilBERTベースモデルを感情分析タスクでファインチューニングした軽量モデル、精度90.37%

SKEP（感情知識拡張事前学習モデル）は百度によって2020年に提案され、感情分析タスクのために特別に設計されました。このモデルは感情マスキング技術と3つの感情事前学習目標を通じて、複数タイプの知識を統合して事前学習を行います。

BERT-BASE-UNCASEDアーキテクチャに基づく事前学習済み感情分析モデルで、TWTEVALデータセット向けに最適化されています。

このモデルはDistilBERTアーキテクチャに基づく軽量テキスト分類モデルで、IMDb映画レビューのポジティブ感情分析タスク向けに特別にファインチューニングされています。

KoBART-base-v2はBARTアーキテクチャに基づく韓国語事前学習モデルで、チャットデータを追加することで長文シーケンスの意味処理能力を最適化しています。

このモデルはdistilbert-base-uncasedをSST2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、主に感情分析タスクに使用されます。

DistilBERTの基礎モデルを感情データセットで微調整したテキスト分類モデルで、感情分析タスクに使用されます。

distilbert-base-uncasedをベースにGLUEデータセットで微調整したテキスト分類モデル

DistilBERTベースの軽量感情分類モデル、感情データセットでファインチューニングされ、精度92.5%を達成

RoBERTuitoはスペイン語ソーシャルメディアテキスト向けに事前学習された言語モデルで、5億件のツイートで訓練され、複数のスペイン語ソーシャルメディアテキストタスクで優れた性能を発揮します。