# 高精度情感分析

基於RoBERTa架構的情感分析模型，在Twitter情感數據集上微調，用於文本情感分類。

基於BERT-base-uncased微調的心理健康文本分類模型，可將文本分類為七種心理健康類別。

基於ModernBERT-base微調的多類別情感分類模型，可識別7種情感標籤

FRIDA 是一個多任務評估模型，支持多種自然語言處理任務，包括分類、聚類和重新排序等。

基於ruRoberta-large微調的多標籤情緒分類模型，可檢測俄語文本中的27種情緒類型，是目前俄語開源模型中性能最優的情緒檢測模型。

基於Meta-Llama-3.1-8B-Instruct微調的心理健康文本分類模型，可識別抑鬱、焦慮等心理狀態

基於wav2vec2-base微調的音頻情感分類模型，用於識別說話者的情緒狀態。

這是一個基於XLS-R Wav2Vec2架構的俄語語音情感識別模型，能夠識別7種基本情感，準確率達72%。

該模型是在RoBERTa基礎版上微調的二分類情感分析模型，專門用於Yelp評論的情感極性分類。

基於BERT架構的情感分析模型，在Twitter情感數據集上微調，用於文本情感分類

這是一個通過AutoNLP訓練的二元分類模型，用於IMDB影評情感分析

這是一個基於AutoNLP訓練的二元分類模型，專門用於英語文本的情感分析。

該模型是基於bert-base-uncased在yelp_polarity數據集上微調的版本，用於文本分類任務，準確率達到95.16%。

基於DeBERTa-v3微調的文本情感分類模型，在emotion數據集上表現出色。