# 新聞分類

基於distilbert-base-uncased微調的文本分類模型，在AG News數據集上訓練，準確率達89.06%

該模型旨在對新聞文章進行分類，幫助用戶快速識別和整理新聞內容。

基於AutoTrain訓練的小樣本文本分類模型，適用於新聞文章分類任務

基於AutoTrain訓練的文本分類模型，適用於小樣本學習場景，能夠高效地對新聞文章進行分類。

基於distilbert-base-uncased微調的新聞分類模型，專注於訴訟相關新聞的分類任務。

基於DistilBERT架構的輕量級文本分類模型，通過TextAttack框架在AG News數據集上微調，適用於新聞分類任務。

基於BERT的文本分類模型，在AG News數據集上微調，測試準確率達94.5%。

基於BERT基礎模型在AG News數據集上微調的文本分類模型，準確率達93.75%

基於sahajBERT微調的孟加拉語新聞文章分類模型，支持6個新聞類別分類

這是一個基於BERT-Mini架構微調的新聞分類模型，在ag_news數據集上實現了93%的測試準確率。

該模型是通過蒸餾技術從零樣本分類流程獲得的AG新聞分類模型，主要用於演示如何將昂貴的零樣本模型蒸餾為更高效的學生模型。

基於Transformer的波斯語理解模型，重構了詞彙表並在新的波斯語語料庫上進行了微調，為波斯語文本處理提供更多功能。