# 英語文本處理

基於T5架構的靜態量化模型，專注於學術論文摘要生成任務

基於google/flan-t5-base模型在對話摘要任務上的微調版本，使用PEFT方法進行參數高效微調

這是一個基於T5架構的新聞摘要生成模型的靜態量化版本，支持英語文本摘要任務。

BART Large CNN 是一個基於 BART 架構的預訓練模型，專門用於文本摘要生成任務。

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

基於ModernBERT-base微調的多標籤情感分類模型，可識別28種情感標籤

這是一個使用AutoTrain在SST-2英文數據集上微調的DistilBERT模型，用於文本分類任務。

該模型是基於 Pegasus 架構，在 SAMSUM 數據集上微調得到的英語對話摘要模型。

基於BART-large-cnn微調的英語對話摘要模型，專門針對Samsung/samsum數據集優化

Fast Emotion-X是基於微軟DeBERTa V3 Small模型微調的情緒檢測模型，能夠準確將文本分類到六種情緒類別中。

基於T5架構的模型，專門用於從摘要文本中提取原子聲明，是摘要事實性評估流程的關鍵組件。

基於bert-base-uncased微調的多標籤情感分類模型，可將英文文本劃分為43種情感類別

專為高效零樣本分類設計的RoBERTa-large模型，使用商業友好數據訓練，無需訓練數據即可執行文本分類任務。

基於BART架構微調的文本摘要模型，專為生成簡潔準確的摘要而設計

一個基於T5架構的句子嵌入模型，專注於英語文本的語義相似度和信息檢索任務。

基於TinyStories數據集訓練的1500萬參數Llama 2架構模型

由Google Research發佈的小型BERT模型之一，僅限英語，無大小寫區分，使用WordPiece掩碼訓練。

基於GPT-2中等模型在SST-2數據集上微調的情感分析模型，用於文本情感分類任務。

一個針對TLDR新聞文章進行文本摘要和標題生成的微調T5模型

BERT (Bidirectional Encoder Representations from Transformers) 是一種基於Transformer架構的預訓練語言模型，由Google開發。

BART是一個採用編碼器-編碼器架構的Transformer模型，針對服務條款的抽象摘要任務進行了微調

這是BERT模型的微型版本，無大小寫區分，適用於資源受限環境下的自然語言處理任務。

該模型是基於microsoft/xtremedistil-l12-h384-uncased在wikitext數據集上微調的版本，主要用於文本生成任務。

這是一個基於AutoNLP訓練的多類別分類模型，專門用於處理歌曲歌詞文本分類任務。

基於BERT-Large-Uncased微調的情感分析模型，在斯坦福情感樹庫(SST2)上訓練，用於文本情感分類。

spaCy提供的針對CPU優化的英語小型語言處理流程，包含分詞、詞性標註、依存分析、命名實體識別等核心功能

DistilRoBERTa是RoBERTa模型的輕量級蒸餾版本，保留了大部分性能但體積更小、速度更快。

這是一個基於AutoNLP訓練的多類別分類模型，專門用於處理歌曲歌詞文本分類任務。

Flair自帶的英語標準通用詞性標註模型，基於Ontonotes數據集訓練，F1分數達98.6

基於BART-base架構的問題生成模型，針對SQuAD數據集微調，無需答案信息即可生成問題。

基於BERT-base-uncased微調的推文情感分析模型，在評估集上達到80.73%的準確率

spaCy提供的大型英語語言處理模型，針對CPU優化，包含完整的自然語言處理流程

這是一個基於DistilBERT架構的輕量級模型，專門針對英語產品評論進行了情感分析任務的微調。

這是一個基於BERT-small架構的編碼器-解碼器模型，專門針對CNN/Dailymail數據集進行了摘要生成任務的微調。

這是一個基於 BART 架構的預訓練模型，主要用於摘要生成和差異對比任務。

基於Transformer的英語NLP流水線模型，提供高性能的命名實體識別、詞性標註和依存分析功能。

Flair自帶的英語標準短語組塊分析模型，用於識別句子中的名詞短語、動詞短語等語法結構。

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

基於BERT-base-uncased微調的情感分析模型，專門針對推特文本進行情感分類

該模型是在GLUE COLA數據集上對DeBERTa-v3-small進行微調的版本，用於語言學可接受性判斷任務。