
「日本のツイートの感情分析と日本のワクチン接種との比較」の公式微調整コード
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
6
最終コミット
2022年5月
GitHub での作成日
2022年4月5日
掲載日
2026年10月25日
同じカテゴリで人気のリソース
lukestudio-ousia727LUKE -- 知識ベース埋め込みを用いた言語理解
bert-japanesecl-tohoku551日本語テキスト用のBERTモデル。
bert-japaneseyoheikikuta497日本語テキスト用のSentencePieceを使用したBERT。
gpt2-japanesetanreinama322日本語GPT2生成モデル
japanese-dialog-transformersnttcslab247NTT株式会社が提供する日本語事前学習モデルの評価コード。
DistilBERT-base-jpBandaiNamcoResearchInc161日本語のDistilBERT事前学習モデルで、Wikipediaで訓練されました。
研究分野が近いリソース
Japanese-BERT-Sentiment-Analyzerizuna3852FastAPIとBERTを使用して感情分析サーバーを展開する共通: 言語モデル・意味的テキスト処理- bert-finetuned-japanese-sentimentchristian-phu329kAmazonの商品レビューに対して感情分類のためにFine‑tuned Japanese BERT (cl‑tohoku/bert‑base‑japanese‑v2) を使用し、6エポックで学習率 2 × 10⁻⁵ を設定した結果、約81 % の精度と0.73のF1スコアを達成しました。HF モデル共通: 言語モデル・意味的テキスト処理
- bert-base-japanese-v3-jstsllm-book1k「Large Language Model Introduction」の第5章で紹介された、日本語 BERT‑based モデル。JGLUE JSTS データセットで意味的類似度スコアリングのためにファインチューニングされ、Colab ノートブック、transformers‑pipeline の使用方法、Apache 2.0 ライセンス付き。HF モデル共通: 言語モデル・意味的テキスト処理
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M は local‑global attention と RoPE を組み合わせた日本語 BERT 変種で、4.09 T tokens の日本語/英語テキストで訓練され、102 400語の語彙、8 192トークンのシーケンスをサポートし、Flash Attention 2 用に最適化されています。HF モデル共通: 言語モデル・意味的テキスト処理
- deberta-v2-base-japaneseku-nlp24k日本語 DeBERTa V2 ベースモデルは、171 GBの日本語 Wikipedia、CC‑100、OSCAR データを用いて Juman++ セグメンテーションと SentencePiece トークン化で事前学習され、8枚の NVIDIA A100 GPU を 3週間使用してトレーニングされ、ファインチューニングに向けて準備ができています。HF モデル共通: 言語モデル・意味的テキスト処理
- modernbert-ja-130msbintuitions12k132 Mパラメータの日本語 ModernBERT モデルで、ローカルグローバルとRoPE注意を組み合わせ、4.39 T トークン(日本語/英語)で訓練され、102 kサイズの語彙、最大8,192トークン長、Flash Attention 2 に最適化されていますHF モデル共通: 言語モデル・意味的テキスト処理