训练于 chABSA 数据集的日语情感分析模型,获得 loss 0.0001、accuracy 1.0、F1 1.0,由 Transformers 4.24.0 和 PyTorch 1.12.1+cu113 构建,使用 Adam(learning rate 2e‑05、10 epochs、batch size 16)优化,并通过 model(inputs) 进行评估。
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)
4,000
Hugging Face 点赞数
15
收录日
—
自页面创建时收录
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 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 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- 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。
- 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。
- 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。
研究领域相近的资源
asariHironsan153Python实现的日语情感分析器。GitHub共同: 情感分析
sentiment_ja_jsotodn10使用JavaScript进行日语情感分析,使用sentiment_ja。GitHub共同: 情感分析
kotobacoreekiyo551日本语义理解引擎,用于LLM、RAG、SNS分析和AI代理?无依赖的分词器+普鲁奇克情感+意图+RAG关键词。GitHub共同: 情感分析
pymlaskikegami-yukino119日语文本情感分析器GitHub共同: 情感分析- wrime-sentimentllm-book141一个二元情感数据集,来源于日语 WRIME 语料库,将 Avg.Readers_Sentiment > 0 的样本标记为正面,< 0 的样本标记为负面(可选中性删除),用于书籍示例代码中的大语言模型案例。HF 数据集共同: 情感分析
chABSA-datasetchakki-works143查基的基于方面的情感分析数据集GitHub共同: 情感分析