
使用FastAPI和BERT部署情感分析伺服器
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
2
±0 (10月13日〜)
最後提交
2021年4月
GitHub 建立日期
2021年3月16日
收錄日
2022年7月28日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 2 |
| 2026年1月 | 2 |
| 2026年2月 | 2 |
| 2026年3月 | 2 |
| 2026年4月 | 2 |
| 2026年5月 | 2 |
| 2026年6月 | 2 |
| 2026年7月 | 2 |
| 2026年8月 | 2 |
| 2026年9月 | 2 |
| 2026年10月 | 2 |
| 2026年11月 | 2 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
研究領域相近的資源
- bert-finetuned-japanese-sentimentchristian-phu329k在 Amazon 商品評論上微調日本 BERT(cl‑tohoku/bert‑base‑japanese‑v2)以進行情感分類,達到約 81% 的準確率與 0.73 的 F1 分數,在 6 個 epoch 之後,學習率為 2 × 10⁻⁵。HF 模型共同: 語言模型・語意文本處理
BERT-Japan-vaccinationRamos-Ramos6「日本推文情緒分析與疫苗接種比較」官方微調程式碼共同: 語言模型・語意文本處理- bert-base-japanese-v3-jstsllm-book1k在《Large Language Model Introduction》第5章中介紹的日本 BERT‑based 模型,已於 JGLUE JSTS 資料集上進行微調,用於語義相似度評分。此模型包含 Colab notebooks、transformers‑pipeline 使用說明,以及 Apache 2.0 授權。HF 模型共同: 語言模型・語意文本處理
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一款日語 BERT 變體,結合了 local‑global attention 與 RoPE,已在 4.09 T 個日語/英語文本 token 上訓練,支持 102 400 個詞彙、8 192 token 序列,並被優化以配合 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理
- deberta-v2-base-japaneseku-nlp24k日文 DeBERTa V2 基礎模型,已在 171 GB 日文維基百科、CC‑100 與 OSCAR 資料上使用 Juman++ 斷詞與 SentencePiece Tokenization 進行預訓練,訓練時間三週,使用八台 NVIDIA A100 GPU,已準備好進行微調。HF 模型共同: 語言模型・語意文本處理
- modernbert-ja-130msbintuitions12k一個 132 百萬參數的 Japanese ModernBERT 模型,結合 local‑global 與 RoPE attention,在 4.39 T tokens(日語/英語)上訓練,含有 102‑k‑size 的 vocab,最大 token 長度 8,192,並優化為 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理