# BERT微調

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。

ruSpamNS_big 是一個用於 Telegram 俄語垃圾信息分類模型，基於 DeepPavlov/distilrubert-small-cased-conversational 模型微調而來。

基於ModernBERT-base微調的模型，在評估集上F1分數為0.3833

該模型是基於BERT-uncased微調的功能性/非功能性需求預測模型，在AWS g5實例上使用PROMISE數據集和定製數據進行遷移學習，整體精確率達到97%。

基於bert-base-chinese在微博100k情感分析數據集上微調的中文文本分類模型

專為西班牙語情感分析優化的微調模型，基於BETO（西班牙語預訓練BERT模型）訓練，適用於影評等文本情感分類任務。

基於BERT-base-uncased微調的多標籤情感分類模型，支持28種情感識別

該模型是在bert-base-uncased基礎上進行微調的版本，專注於提升特定任務的召回率表現

這是一個通過微調bert-base-uncased模型實現的英文垃圾短信分類模型，能夠準確區分垃圾短信和正常短信。

基於bert-base-uncased微調的模型，用於文本蘊含識別任務，準確率為66.43%

基於 BERT 的德語文本分類模型，用於對 Trustpilot 用戶評論進行評分分類。

基於BERT的多語言情感分類模型，支持6種語言的文本情感分析

基於BERT架構微調的韓語金融新聞情感分析模型，專門針對匯率相關新聞摘要進行情感分類

這是一個基於BERT架構的印尼語情感分析模型，能夠將文本分類為正面或負面情感。

基於 BERT 的中文情感分析模型，用於判斷文本的情感傾向（正面、負面或中性）。

基於Italian-ModernBERT-base微調的意大利語命名實體識別模型

基於sberbank-ai/ruBert-large微調的文檔問答專用模型，支持俄語和英語的文檔問答任務。

基於sberbank-ai/ruBert-base微調的文檔問答模型，擅長從文檔上下文中提取答案，支持俄語和英語。

基於BERT-base-uncased微調的亞馬遜評論情感分析模型，可將英文評論分類為正面或負面

該模型是基於ModernBERT-base在未知數據集上微調的版本，具體用途和性能待補充

Lite-BERT-SL是一款基於BERT的序列標註模型，專注於金融領域關鍵績效指標（KPIs）的識別，適用於金融文檔解析和信息提取。

這是一個用於釣魚攻擊檢測的數據集，主要用於訓練BERT模型識別釣魚網站。

該模型是基於nlpaueb/legal-bert-base-uncased在InLegalNER數據集上微調的版本，專門用於印度法律文本的命名實體識別任務。

針對土耳其法律文本的抽取式問答任務進行微調的BERT模型，能夠從法律條款中提取相關片段回答問題。

這是一個基於BERT模型微調的情感分析模型，專門用於分析IMDb電影評論的情感傾向（正面或負面）。

Modern-FinBERT-large 是一個專為金融情感分析設計的預訓練NLP模型，基於ModernBERT-large語言模型，通過在大規模金融語料上訓練，適配金融文本分類任務。

基於BERT的姓名性別分類模型，通過輸入姓名預測性別。

基於ModernBERT-base微調的標記分類模型，專門用於識別和分類文本中的個人身份信息(PII)

這是一個在GoEmotions情感數據集上微調的BERT模型，專為多標籤情感分類任務設計。

這是一個基於BERT-base微調的文本分類模型，專門用於金融交易分類任務

一個微調的BERT模型，用於準確區分AI生成和人類撰寫的文本。

該模型是基於BERT-Base-Uncased微調的釣魚網站分類模型，可根據文本輸入預測網站屬於'安全'或'不安全'類別。

基於dbmdz/bert-base-turkish-cased微調的土耳其語情感分析模型，支持負面、中性和正面三種情感分類。

基於BERT架構微調的土耳其語醫療領域問答模型，專門用於從醫療文本中提取答案

基於BERT架構微調的釣魚郵件檢測模型，能夠準確識別釣魚郵件與正常郵件。

這是一個針對垃圾郵件檢測進行微調的BERT模型，驗證準確率約99%

基於BERT-base的釣魚郵件/網頁分類模型，在驗證集上達到87.3%準確率

基於google-bert/bert-base-uncased微調的BERT模型，具體用途未明確說明

基於BERT架構的命名實體識別模型，專門用於識別摩洛哥阿拉伯語(Darija)文本中的人名、地點、機構及其他實體。

medBERT-base是基於BERT的模型，專注於醫學和胃腸病學文本的掩碼語言建模任務。