# 高精度文本分类

该模型是基于microsoft/deberta-v3-base微调的版本，在评估集上表现出色，准确率达到99.87%。

基于 modernbert-ja-310m 的日英双语句子特征提取模型，支持句子相似度计算和文本分类任务

基于DistilBERT微调的假新闻分类模型，准确率约99%

FactCG是一个基于DeBERTa-v3-large架构的文本分类模型，专门用于检测大型语言模型生成内容中的无依据幻觉。

Stella 400M v5 是一个英语文本嵌入模型，在多个文本分类和检索任务上表现出色。

基于Llama 3.1优化的80亿参数品牌安全分类模型，专为苹果芯片设备优化

基于RoBERTa架构的预训练模型，专门用于推特文本的情感分析任务。

基于BERT-base的微调模型，用于文本分类任务，在评估集上F1分数达到0.9313

基于XLM-RoBERTa-large微调的多语言情感分类模型，支持16+种语言的情感分析

基于ModernBERT-base微调的多语言情感分类模型，支持16+种语言的情感分析

LENS-8000 是一个基于转换器的文本嵌入模型，专注于特征提取和句子相似度任务，在多个分类和检索任务中表现出色。

LENS-4000 是一个基于变换器的文本嵌入模型，专注于特征提取和句子相似度计算，在多个文本分类任务中表现出色。

Giga Embeddings Instruct 是一个高性能的嵌入模型，专注于文本分类和检索任务，在多个基准测试中表现出色。

基于microsoft/Multilingual-MiniLM-L12-H384微调的文本分类模型，用于将邮件主题分类为垃圾邮件(SPAM)或非垃圾邮件(NOSPAM)。

基于XLM-RoBERTa的菲律宾语/他加禄语假新闻检测模型，准确率达95.46%

该模型是基于PhoBERT-base-v2在未知数据集上微调的文本分类模型，在评估集上取得了99.67%的准确率和99.32%的F1值。

这是一个使用AutoTrain在SST-2英文数据集上微调的DistilBERT模型，用于文本分类任务。

基于Qwen2架构的7B参数规模句子嵌入模型，专注于句子相似度任务，在MTEB基准测试中表现优异。

Stella 400M 是一个中等规模的英语文本处理模型，专注于分类和信息检索任务。

stella_en_400M_v5_cpu 是一个在多个自然语言处理任务中表现优异的模型，特别擅长分类、检索、聚类和语义文本相似度等任务。

NV-Embed-v2 是一个基于 sentence-transformers 的嵌入模型，在多个 MTEB 基准测试中表现出色，适用于多种自然语言处理任务。

Salesforce开发的通用文本嵌入模型，在多种NLP任务上表现优异

基于BERT的微调模型，专门用于法律条款分类任务，准确率达88%。

adeBERT是基于BERT-large架构微调的模型，专注于特定领域任务，在评估集上表现出色。

基于RoBERTa-base微调的文本分类模型，用于检测文本中的自杀倾向，准确率达96.5%

BGE Large English v1.5 是一个高性能的句子转换器模型，专注于句子特征提取和相似度计算。

stella-base-en-v2 是一个基于 sentence-transformers 的英语文本嵌入模型，专注于句子相似度和特征提取任务。

基于DistilBERT轻量级模型的仇恨/攻击性言论检测器，通过海量文本预训练和专有数据集微调实现高效识别

基于DeBERTa-v3的零样本分类模型，支持多任务自然语言推理（MNLI）、FEVER和ANLI任务，已转换为ONNX格式以适配Transformers.js

专为中央银行通讯优化的微调大型语言模型，包含经济主体分类器和情感分类器

该模型是基于LayoutXLM基础模型在DocLayNet数据集上微调的版本，专门用于文档布局分析和段落级内容理解。

基于土耳其语BERT模型微调的情感分析模型，在评估集上表现出色

这是一个文档理解模型，专门用于分析文档布局和内容，在段落级别进行标记分类任务。

基于DistilBERT的网站分类模型，通过微调在未知数据集上实现了95.04%的准确率。

基于KcELECTRA-base-v2022微调的韩文情感分析模型，在评估集上取得了较好的效果。

该模型是在TREMO土耳其语情感分类数据集上微调的BERTurk cased版本，用于土耳其语情感分析任务。

基于Twitter金融新闻主题数据集微调的金融推文主题分类模型，支持20种金融主题分类。

基于T5架构的文本嵌入模型，专注于句子相似度计算和文本检索任务，在多个基准测试中表现优异。

基于BERT架构的银行客服文本分类模型，在BANKING77数据集上训练，准确率达92.64%

基于BERTweet基础模型微调，用于检测社交媒体文本中的语言不确定性（对冲）。