# 文本分類

基於 DistilBERT 的多語言情感分析模型，適用於多種語言的文本情感分類任務。

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

這是一個針對德語優化的微調MBert模型，專注於質量領域，由Multi2ConvAI項目開發。

這是一個基於BERT架構、針對英語質量領域文本分類任務進行微調的模型，屬於Multi2ConvAI項目的一部分。

基於distilbert-base-uncased微調的情感分析模型，用於文本情感分類任務

基於ModernBERT-base架構的機器生成文本檢測模型，用於防止語言模型崩潰

這是一個基於distilbert-base-uncased微調的情感分析模型，在評估集上取得了93.2%的準確率。

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

這是一個基於XLM-RoBERTa的多語言檢測模型，支持20種語言的識別。

基於distilbert-base-uncased微調的情感分析模型，在評估集上準確率達87.67%

基於DistilBERT的輕量級文本分類模型，用於位置分類任務

基於vinai/phobert-base-v2微調的情感分析模型，在評估集上達到93.6%的準確率

基於DistilBERT微調的惡意網址檢測模型，可準確識別釣魚或惡意軟件等有害鏈接

基於distilbert-base-uncased微調的文本分類模型，F1分數為0.6147

該模型是基於FacebookAI的roberta-base在Webi-CPC-11數據集上微調的版本，主要用於文本分類任務，在評估集上取得了84.32%的準確率。

基於distilbert-base-uncased微調的文本分類模型，在特定任務上進行了訓練。

該模型是基於ModernBERT-base微調的AI生成文本檢測器，能夠區分AI生成文本（如ChatGPT、DeepSeek、Claude等）與人類撰寫文本。

基於Transformer的分類器，用於判斷提供的姓氏是真實的還是虛構的。

基於DistilBERT的漏洞嚴重性分類模型，用於根據漏洞描述自動判斷嚴重等級

基於distilbert-base-uncased微調的情感分析模型，在評估集上準確率達到85.67%

IBM開發的107M參數多語言嵌入模型，支持12種語言，在MTEB基準測試中表現優異

基於DistilBERT的輕量級文本情感分析模型，專門針對書評數據進行微調

基於DistilBERT的輕量級句子嵌入模型，適用於多種文本處理任務

支持持續學習和動態類別擴展的文本分類模型

VISION-1是一個基於transformers的內容審核與安全分類模型，專注於文本分類任務。

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distilbert-base-uncased微調的情感分析模型，在評估集上準確率達到94%

基於DistilBERT的情感分析模型，在未知數據集上微調，準確率為56.16%

用於檢測飽和型越獄攻擊的小型BERT模型，不適用於獨立防禦其他類型的越獄攻擊。

基於GPT-2微調的語言識別模型，支持90種語言的文本分類

基於BERT架構的阿拉伯語預訓練模型，適用於阿拉伯語文本分類任務

多語言E5大型指令模型，支持100多種語言的文本嵌入和分類任務

一個基於PyTorch的文本分類模型，可用於文本分類相關任務

這是一個基於multilingual-e5-base模型進行韓語優化的句子嵌入模型，支持多語言文本相似度計算和特徵提取。

基於Deberta架構的俄語垃圾郵件檢測模型，能夠將文本分類為垃圾郵件或非垃圾郵件。

基於distilbert-base-uncased微調的情感分析模型，在評估集上準確率達87.67%

基於DistilBert的日誌分析模型，用於處理和分析日誌數據

基於DistilBERT的輕量級烏茲別克語情感分析模型，用於文本情感分類

該模型是基於neuralmind/bert-large-portuguese-cased在PtBrVId數據集上微調的版本，主要用於葡萄牙語文本處理任務。