一个基于tohoku-nlp/bert-base-japanese-v3的日本NLI Cross‑Encoder,训练于JSNLI、JNLI和JSICK数据集,在JGLUE‑JNLI验证集上输出蕴含/中立/矛盾分数,准确率约为91.4%。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
5
收录日
2024年5月13日
研究领域相近的资源
- bert-finetuned-japanese-sentimentchristian-phu329k在亚马逊产品评论上对日语 BERT (cl‑tohoku/bert‑base‑japanese‑v2) 进行微调,用于情感分类,经过6个周期,学习率为2 × 10⁻⁵,达到约81 %准确率和0.73 F1。共同: 情感分析与文本分类・BERT 等预训练模型
- deberta-v2-base-japaneseizumi-lab3kDeBERTaV2 base 在日本语语料库(CC‑100、mC4、OSCAR2301、Wikipedia、Wikinews)上训练,并使用 FP‑16 微调进行 NLU 任务(JSTS、JNLI、JCommonsenseQA),以 CC BY‑SA 4.0 许可发布,并由日本研究资助。共同: BERT 等预训练模型・问答与推理
BERT-Japan-vaccinationRamos-Ramos6“日本推文情感分析与疫苗接种比较”的官方微调代码。GitHub共同: 情感分析与文本分类・BERT 等预训练模型- bert-base-japanese-v2-wrime-fine-tunepatrickramos1k一款在 WRIME 数据集上微调的日语 BERT BASE 可为作家和读者预测八种情绪(喜悦、悲伤、期待、惊讶、愤怒、恐惧、厌恶、信任)的 0‑4 强度得分,代码已公开,在 K80 上训练耗时 3 小时,作家的均方误差约为 0.6,读者约为 0.2。共同: 情感分析与文本分类・BERT 等预训练模型
- bert-base-japanese-v3-jstsllm-book1k一个基于 Japanese BERT‑based model 的模型,已在 JGLUE JSTS 数据集上 fine‑tuned,用于语义相似性评分——在《Large Language Model Introduction》第5章中介绍——配有 Colab notebooks、transformers‑pipeline 用法以及 Apache 2.0 许可证。共同: 情感分析与文本分类・BERT 等预训练模型
Japanese-BERT-Sentiment-Analyzerizuna3852使用FastAPI和BERT部署情感分析服务器GitHub共同: 情感分析与文本分类・BERT 等预训练模型