# 文本情感分析

基於DistilBERT的輕量級情感分析模型，適用於文本情感分類任務

基於distilbert-base-uncased模型在IMDB數據集上微調的文本分類模型

基於DeBERTa-v3-base的量化ONNX模型，適用於零樣本文本分類任務

基於microsoft/xtremedistil-l6-h384-uncased微調的模型，具體用途未明確說明

基於bert-base-uncased模型在評論數據集上微調的版本，適用於文本分類任務。

該模型是基於DistilBERT基礎模型在IMDB數據集上微調的版本，主要用於文本情感分析任務。

基於distilbert-base-uncased-finetuned-sst-2-english微調的文本分類模型，在評估集上準確率達86.38%

基於Transformer架構的預訓練語言模型，適用於多種自然語言處理任務。

該模型是基於谷歌T5-base模型在情感識別數據集上微調而成，用於文本情感分類任務，可將文本分類為6種基本情感。

基於RoBERTa-base架構的諷刺文本分類器，用於區分文本是否為諷刺內容

該模型是基於bert-base-uncased在SST-2數據集上微調得到的文本分類模型，通過nn_pruning庫進行了剪枝優化，保留了原模型51%的權重，準確率達到91.17%。

該模型是基於DistilBERT基礎模型在SST5數據集上微調的文本分類模型，準確率為50.45%。

基於dbmdz/distilbert-base-turkish-cased微調的土耳其語零樣本分類模型

一個專為零樣本和小樣本文本分類訓練的交叉注意力自然語言推理模型。

基於bert-base-uncased微調的模型，用於成員攻擊檢測任務，在評估集上準確率達到86.81%。

基於DistilBERT的輕量級文本情感分類模型，在emotion數據集上微調，準確率達92.4%

該模型是基於BERT-tiny架構，在SST-2數據集上使用M-FAC二階優化器進行微調的文本分類模型。

該模型是在SST-2數據集上採用M-FAC二階優化器微調的BERT-mini模型，用於文本分類任務。

基於microsoft/deberta-v3-large模型在SST-2數據集上微調的情感分析模型