日本語感情分析モデルは、chABSAデータセットで学習され、損失0.0001、精度1.0、F1スコア1.0を達成しました。Transformers 4.24.0およびPyTorch 1.12.1+cu113で構築され、Adam(学習率2e‑05、10エポック、バッチサイズ16)で最適化され、model(inputs)で評価されました。
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)
4,000
Hugging Face の Like 数
15
掲載日
—
ページ作成時から掲載
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 12,000 |
| 2026年1月 | 11,000 |
| 2026年2月 | 11,000 |
| 2026年3月 | 11,000 |
| 2026年4月 | 10,000 |
| 2026年5月 | 17,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | 2,000 |
| 2026年8月 | 2,000 |
| 2026年9月 | 3,000 |
| 2026年10月 | 3,000 |
| 2026年11月 | 4,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- 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。
- 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。
- 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。
研究分野が近いリソース
asariHironsan153Pythonで実装された日本語感情分析器。GitHub共通: 感情分析
sentiment_ja_jsotodn10日本語の感情分析。JavaScriptでsentiment_ja。GitHub共通: 感情分析
kotobacoreekiyo551LLM、RAG、SNS分析、およびAIエージェント向けの日本語意味理解エンジン? 依存関係のないトークナイザー+プラッチック感情+意図+RAGキーワード。GitHub共通: 感情分析
pymlaskikegami-yukino119日本語テキストの感情分析ツールGitHub共通: 感情分析- wrime-sentimentllm-book141日本語WRIMEコーパスから派生したバイナリ感情データセットで、Avg.Readers_Sentiment > 0 のサンプルを正(positive)、< 0 を負(negative)としてラベル付けします(オプションで中立(neutral)を除外)。本のサンプルコードにおける大規模言語モデル例で使用されます。HF データセット共通: 感情分析
chABSA-datasetchakki-works143チャッキのアスペクトベースの感情分析データセットGitHub共通: 感情分析