# 高精度情感分析

基于BERT-base-uncased微调的心理健康文本分类模型，可将文本分类为七种心理健康类别。

基于ModernBERT-base微调的多类别情感分类模型，可识别7种情感标签

FRIDA 是一个多任务评估模型，支持多种自然语言处理任务，包括分类、聚类和重新排序等。

基于ruRoberta-large微调的多标签情绪分类模型，可检测俄语文本中的27种情绪类型，是目前俄语开源模型中性能最优的情绪检测模型。

基于Meta-Llama-3.1-8B-Instruct微调的心理健康文本分类模型，可识别抑郁、焦虑等心理状态

基于wav2vec2-base微调的音频情感分类模型，用于识别说话者的情绪状态。

这是一个基于XLS-R Wav2Vec2架构的俄语语音情感识别模型，能够识别7种基本情感，准确率达72%。

这是一个通过AutoNLP训练的二元分类模型，用于IMDB影评情感分析

基于BERT架构的情感分析模型，在Twitter情感数据集上微调，用于文本情感分类

该模型是在RoBERTa基础版上微调的二分类情感分析模型，专门用于Yelp评论的情感极性分类。

这是一个基于AutoNLP训练的二元分类模型，专门用于英语文本的情感分析。

基于RoBERTa架构的情感分析模型，在Twitter情感数据集上微调，用于文本情感分类。

该模型是基于bert-base-uncased在yelp_polarity数据集上微调的版本，用于文本分类任务，准确率达到95.16%。

基于DeBERTa-v3微调的文本情感分类模型，在emotion数据集上表现出色。