# 英語テキスト分類

これは新型コロナウイルス感染症分野に最適化された英語Bertモデルで、Multi2ConvAIプロジェクトによって開発されました

DistilBERTベースのテキスト分類モデルで、入力テキストがタロット占いに適した問題かどうかを検出します。

これはBERTモデルをファインチューニングした感情分析モデルで、IMDb映画レビューの感情傾向（ポジティブまたはネガティブ）を分析するために特別に設計されています。

DistilBERTはBERTの軽量蒸留版で、BERTの97%の性能を維持しながら、サイズは40%縮小、推論速度は60%向上しています。

DistilBERTはBERTの軽量蒸留版で、BERTの97%の性能を維持しながら、サイズを40%削減しました。

DistilBERT-base-uncasedをファインチューニングした感情分析モデルで、IMDBデータセットで訓練され、精度は93.1%

これは機械生成テキストの二値分類モデルで、COLING 2025 GenAI検出タスクの単一言語サブタスクで第1位を獲得しました。

DeBERTa-v3-smallをファインチューニングした金融ニュース感情分析モデルで、評価セットでF1値0.9940を達成

bert-base-uncasedをファインチューニングした悪意のあるコメント分類モデルで、テキスト内の有害な内容を識別します。

RoBERTa-largeをファインチューニングしたうつ病検出モデルで、英語のソーシャルメディア投稿のうつ病度合いを、うつ病なし、中度、重度の3つに分類します。

BERTベースの英語テキスト皮肉検出モデルで、ニュース見出し中の皮肉内容を識別するために使用されます

ヘイトスピーチを検出・分類するためのテキスト分類モデル。

distilbert-base-uncasedをベースに微調整したツイッター感情分析モデルで、tweet_evalデータセットで訓練されました。

GoogleのFNetアーキテクチャに基づき、SST-2感情分析データセットでファインチューニングされたテキスト分類モデル

これは品質分野に特化してファインチューニングされたMBertモデルで、英語テキスト分類タスクを専門に処理します。

このモデルはRoBERTaアーキテクチャに基づいており、SentenceTransformersのクロスエンコーダークラスを使用してトレーニングされ、Quora上の重複質問を検出するために特別に設計されています。

このモデルはDistilBERTをGLUEデータセットのRTEタスク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61.73%です

これはMBADデータセットで訓練された英語シーケンス分類モデルで、ニュース記事のバイアスと公平性を検出するために使用されます。

google/fnet-baseをベースに、GLUE COLAデータセットで微調整したテキスト分類モデル。FNetとBERTアーキテクチャの性能比較に使用されます。

これはdistilbert-base-uncasedをベースに微調整した感情分析モデルで、スタンフォード感情ツリーバンクv2（SST2）データセット向けに特別に訓練されています。

IMDB映画レビューデータセットを基に訓練されたDistilBert感情分析モデルで、テキストの感情分類タスクに使用されます。

これはroberta-baseモデルをベースに訓練されたアダプターで、IMDB映画レビューの感情分析タスクに特化しています。

albert-base-v2をベースに、GLUE SST2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。

BERTベースのテキスト分類モデルで、仇恨発言と不快な内容を検出し、合理的な根拠を予測します。