# 電商場景

這是一個基於BERT的多語言模型微調的韓文情感分析模型，專門用於分析韓文客戶評論的情感傾向。

基於Vision Transformer(ViT)的服裝圖像分類模型，準確率約78%

基於DistilBERT微調的客戶反饋分類模型，可將文本精準歸類至六大預設類別

基於distilbert-base-uncased微調的亞馬遜食品評論情感分析模型，可對評論進行負面(-1)、中性(0)、正面(1)三分類

該模型是基於bert-base-multilingual-uncased在亞馬遜美國客戶評論數據集上微調的版本，用於預測產品評論的情感星級（1至5星）。

該模型是基於hfl/chinese-bert-wwm在未知數據集上微調得到的版本，適用於中文文本處理任務。

基於DeepPavlov/rubert-base-cased-conversational架構，在RuReviews數據集上訓練的情感分析模型，用於俄語產品評論的情感分類。

基於中文對話情緒語料訓練的文本分類模型，支持2分類：樂觀（positive）和悲觀（negative）。

基於bert-base-chinese在亞馬遜中文評論數據集上微調的文本分類模型