# 高精度テキスト分類

このモデルはmicrosoft/deberta-v3-baseをファインチューニングしたバージョンで、評価データセットで優れた性能を示し、精度は99.87%に達しました。

modernbert-ja-310m をベースとした日英双语句子特徴抽出モデルで、文の類似度計算とテキスト分類タスクをサポート

Transformerアーキテクチャに基づく分類器で、入力された名前が実在する姓名か架空の名称かを判断

DistilBERTをファインチューニングしたフェイクニュース分類モデルで、精度は約99%

FactCGはDeBERTa-v3-largeアーキテクチャに基づくテキスト分類モデルで、大規模言語モデルが生成するコンテンツ中の根拠のない幻覚を検出するために特別に設計されています。

bert-base-multilingual-casedをファインチューニングしたモデルで、評価セットで99.93%の精度を達成

Stella 400M v5は英語テキスト埋め込みモデルで、複数のテキスト分類および検索タスクで優れた性能を発揮します。

Llama 3.1で最適化された80億パラメータのブランドセーフティ分類モデル、Appleチップデバイス向けに特別に最適化

RoBERTaアーキテクチャに基づく事前学習モデルで、ツイッターテキストの感情分析タスクに特化しています。

BERT-baseをベースにファインチューニングしたモデルで、テキスト分類タスク用。評価データセットでF1スコア0.9313を達成

XLM-RoBERTa-largeをファインチューニングした多言語感情分類モデルで、16以上の言語の感情分析をサポート

ModernBERT-baseをファインチューニングした多言語感情分類モデルで、16以上の言語の感情分析をサポート

microsoft/Multilingual-MiniLM-L12-H384をファインチューニングしたテキスト分類モデルで、メール件名をスパムメール(SPAM)または非スパムメール(NOSPAM)に分類します。

GreekBERTベースのテキスト分類器で、ギリシャ語テキストを4つのバリエーション（古代/中世ギリシャ語、標準現代ギリシャ語、口語ギリシャ語、純正ギリシャ語）に分類します。

XLM-RoBERTaベースのフィリピン語/タガログ語フェイクニュース検出モデル、精度95.46%

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。

Qwen2アーキテクチャに基づく7Bパラメータ規模の文埋め込みモデルで、文類似度タスクに特化しており、MTEBベンチマークテストで優れた性能を発揮します。

Stella 400Mは中規模の英語テキスト処理モデルで、分類と情報検索タスクに特化しています。

stella_en_400M_v5_cpuは、複数の自然言語処理タスクで優れた性能を発揮するモデルで、特に分類、検索、クラスタリング、意味テキスト類似度などのタスクに長けています。

NV-Embed-v2 は sentence-transformers ベースの埋め込みモデルで、複数の MTEB ベンチマークテストで優れたパフォーマンスを発揮し、様々な自然言語処理タスクに適しています。

Salesforceが開発した汎用テキスト埋め込みモデルで、様々なNLPタスクで優れた性能を発揮

BERTベースのファインチューニングモデルで、法律条項分類タスクに特化しており、精度は88%です。

adeBERTはBERT-largeアーキテクチャをファインチューニングしたモデルで、特定領域タスクに特化しており、評価セットで優れた性能を発揮します。

これはBERT-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、犯罪記述から犯罪タイプを識別するために特別に設計されており、34の分類ラベルを含みます。

RoBERTa-baseを微調整したテキスト分類モデルで、テキスト中の自殺傾向を検出するために使用され、精度は96.5%に達します。

BGE Large English v1.5 は高性能な文変換モデルで、文の特徴抽出と類似度計算に特化しています。

stella-base-en-v2はsentence-transformersベースの英語テキスト埋め込みモデルで、文の類似性と特徴抽出タスクに特化しています。

DistilBERT軽量モデルを基にした憎悪/攻撃的発言検出器。大規模テキスト事前学習と専用データセットによるファインチューニングで効率的な識別を実現

DeBERTa-v3ベースのゼロショット分類モデルで、マルチタスク自然言語推論（MNLI）、FEVER、ANLIタスクをサポートし、Transformers.jsに適応するためにONNX形式に変換済み

中央銀行コミュニケーション向けに最適化された微調整済み大規模言語モデル、経済主体分類器と感情分類器を含む

CNNニュースデータセットでファインチューニングされたBART-MNLIモデル、ゼロショットテキスト分類タスク用

このモデルはLayoutXLMベースモデルをDocLayNetデータセットで微調整したバージョンで、ドキュメントレイアウト分析と段落レベルの内容理解に特化しています。

トルコ語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、評価データセットで優れた性能を発揮

これはドキュメント理解モデルで、ドキュメントのレイアウトと内容を分析するために特別に設計されており、段落レベルでのタグ分類タスクを実行します。

DistilBERTベースのウェブサイト分類モデルで、微調整により未知のデータセットで95.04%の正確率を達成しました。

KcELECTRA-base-v2022をベースに微調整した韓国語感情分析モデルで、評価セットで良好な結果を得ました。

このモデルは、TREMOトルコ語感情分類データセットでファインチューニングされたBERTurk casedバージョンで、トルコ語感情分析タスクに使用されます。

Twitterの金融ニュース主題データセットを基に微調整された金融ツイート主題分類モデルで、20種類の金融主題分類をサポートします。

T5アーキテクチャに基づくテキスト埋め込みモデルで、文の類似性計算とテキスト検索タスクに特化しており、複数のベンチマークテストで優れた性能を発揮します。

X-GENRE分類器は、xlm-roberta-baseに基づく多言語テキストジャンル分類モデルで、複数の言語の自動ジャンル識別をサポートします。