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。
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
6
掲載日
2024年5月13日
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 | 1,000 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | 1,000 |
| 2026年4月 | 1,000 |
| 2026年5月 | 8,000 |
| 2026年6月 | — |
| 2026年7月 | 4,000 |
| 2026年8月 | 55,000 |
| 2026年9月 | 28,000 |
| 2026年10月 | 2,000 |
| 2026年11月 | 1,000 |
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-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。
- japanese-sentiment-analysisjarvisx174k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。
研究分野が近いリソース
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
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
japanese_text_classificationMasao-Taketani9MLP、CNN、RNN、BERTアプローチを含む様々なDNNテキスト分類器を調査する。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-whole-word-maskingtohoku-nlp462k2019年の日本語Wikipediaを対象に、IPA辞書と全単語マスキングを用いて事前学習されたJapanese BERT‑base、12層、768次元、32,000語語彙、512トークンシーケンス、1Mステップ、CC‑BY‑SAの下でcl‑tohoku/bert‑japaneseから入手可能。共通: BERT などの事前学習モデル
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base (12 layers, 768‑dim, 12 heads)は、Unidic‑based word‑level plus character‑level tokenizationとwhole‑word maskingをCC‑100と2023 Wikipediaで事前学習し、7,027‑token vocabularyを生成する。共通: BERT などの事前学習モデル
- deberta-v2-large-japanese-char-wwmku-nlp76k171 GBの日本語Wikipedia、CC‑100、OSCARでトレーニングされた日本語DeBERTa V2 large modelは、文字レベルのsentencepieceトークナイズと全単語マスキングを使用し、Hugging Face Transformersを通じて下流でのファインチューニングに準備できています。共通: BERT などの事前学習モデル