日本語の NLI クロスエンコーダは tohoku-nlp/bert-base-japanese-v3 をベースに構築され、JSNLI、JNLI、および JSICK データセットで学習されています。JGLUE‑JNLI バリデーションセットでは約 91.4 % の精度で entailment / neutral / contradiction スコアを出力します。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
1,000
Hugging Face の Like 数
5
掲載日
2024年5月13日
研究分野が近いリソース
- 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。共通: 感情分析・文書分類・BERT などの事前学習モデル
- deberta-v2-base-japaneseizumi-lab3kDeBERTaV2 base は日本語コーパス(CC‑100、mC4、OSCAR2301、Wikipedia、Wikinews)でトレーニングされ、FP‑16 ファインチューニングで NLU タスク(JSTS、JNLI、JCommonsenseQA)に適用され、CC BY‑SA 4.0 の下でリリースされ、日本の研究助成金で資金提供されました。共通: BERT などの事前学習モデル・質問応答・推論
BERT-Japan-vaccinationRamos-Ramos6「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GitHub共通: 感情分析・文書分類・BERT などの事前学習モデル- bert-base-japanese-v2-wrime-fine-tunepatrickramos1k日本語版 BERT BASE を WRIME データセットでファインチューニングしたモデルは、作家と読者の 8 つの感情(喜び、悲しみ、期待、驚き、怒り、不安、嫌悪、信頼)に対して 0〜4 の強度スコアを予測し、コードは公開済みです。K80 GPU 上で 3 時間で訓練し、作家では約 0.6 MSE、読者では約 0.2 MSE を達成しました。共通: 感情分析・文書分類・BERT などの事前学習モデル
- 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。共通: 感情分析・文書分類・BERT などの事前学習モデル
Japanese-BERT-Sentiment-Analyzerizuna3852FastAPIとBERTを使用して感情分析サーバーを展開するGitHub共通: 感情分析・文書分類・BERT などの事前学習モデル