基于DistilBERT的轻量级情感分析模型，适用于文本情感分类任务

基于distilbert-base-uncased模型在IMDB数据集上微调的文本分类模型

基于DeBERTa-v3-base的量化ONNX模型，适用于零样本文本分类任务

基于microsoft/xtremedistil-l6-h384-uncased微调的模型，具体用途未明确说明

基于bert-base-uncased模型在评论数据集上微调的版本，适用于文本分类任务。

该模型是基于DistilBERT基础模型在IMDB数据集上微调的版本，主要用于文本情感分析任务。

一个专为零样本和小样本文本分类训练的交叉注意力自然语言推理模型。

该模型是基于谷歌T5-base模型在情感识别数据集上微调而成，用于文本情感分类任务，可将文本分类为6种基本情感。

基于DistilBERT的轻量级文本情感分类模型，在emotion数据集上微调，准确率达92.4%

该模型是基于DistilBERT基础模型在SST5数据集上微调的文本分类模型，准确率为50.45%。

该模型是基于bert-base-uncased在SST-2数据集上微调得到的文本分类模型，通过nn_pruning库进行了剪枝优化，保留了原模型51%的权重，准确率达到91.17%。

基于distilbert-base-uncased-finetuned-sst-2-english微调的文本分类模型，在评估集上准确率达86.38%

基于RoBERTa-base架构的讽刺文本分类器，用于区分文本是否为讽刺内容

基于bert-base-uncased微调的模型，用于成员攻击检测任务，在评估集上准确率达到86.81%。

基于dbmdz/distilbert-base-turkish-cased微调的土耳其语零样本分类模型

基于Transformer架构的预训练语言模型，适用于多种自然语言处理任务。

该模型是基于BERT-tiny架构，在SST-2数据集上使用M-FAC二阶优化器进行微调的文本分类模型。

该模型是在SST-2数据集上采用M-FAC二阶优化器微调的BERT-mini模型，用于文本分类任务。

基于microsoft/deberta-v3-large模型在SST-2数据集上微调的情感分析模型