基于bert-base-uncased微调的模型，用于识别仇恨表情包文本内容

基于bert-base-chinese在微博100k情感分析数据集上微调的中文文本分类模型

现代双向仅编码器Transformer模型的俄语版本，基于约2万亿俄语、英语和代码标记进行预训练，上下文长度达8,192个标记。

基于dbmdz/bert-base-turkish-cased微调的土耳其语情感分析模型，支持负面、中性和正面三种情感分类。

基于mDeBERTa-v3-base微调的中文情感分类模型，可识别8种情绪标签

基于distilbert/distilbert-base-uncased微调的情感分析模型，仅使用合成数据训练，支持5种情感分类。

基于日语推特BERT微调的情感分析模型，专门用于分析日语推文的情感倾向。

基于camembert-base微调的法语推文情感分类模型，可将法语文本分类为积极、消极或中性

STAR是一个基于监督对比预训练变换器的模型，用于社交媒体写作风格理解。

基于BERT的微调模型，专为多标签情感分类设计，支持11种情感识别。

基于BETO（西班牙语版BERT）构建的情感分析模型，支持西班牙语文本的情感分类。

WRAPresentations是一款先进的句子转换器模型，专为推特论点挖掘设计，能将推文映射为'理由'、'陈述'、'通知'和'无意义'四种类别。

这是一个基于AutoTrain训练的二元分类模型，用于区分表情包和非表情包图像。

这是一个使用AutoTrain训练的二元分类模型，用于区分图像是否包含地图。

基于CrossSum数据集微调的多语言摘要生成模型，支持45种语言的跨语言摘要生成

基于RoBERTa-large架构，通过Reddit上的抑郁主题帖子进行预训练的语言模型，专为抑郁症检测设计。

基于hfl/chinese-roberta-wwm-ext模型在COLDataset上微调的中文冒犯性语言检测模型

这是一个基于Google的ViT模型进行微调的图像分类模型，专门用于表情包识别任务。

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

基于roberta-base在tweetner7数据集上微调的命名实体识别模型，专门用于推特文本中的实体识别。

该模型是基于Twitter数据预训练的RoBERTa模型，在tner/tweetner7数据集上微调，用于推文中的命名实体识别。

该模型是基于RoBERTa架构的Twitter专用命名实体识别模型，在tweetner7数据集上持续微调，用于识别推文中的命名实体。

基于Twitter-RoBERTa模型在TweetNER7数据集上微调的命名实体识别模型，专门用于推文中的实体识别。

基于roberta-large在tner/tweetner7数据集上微调的命名实体识别模型，专门用于推特文本中的实体识别

基于Tweebank V2命名实体识别基准训练的Twitter词性标注基线模型，准确率达95.21%

基于CrossSum数据集微调的mT5多对一模型，能够用中文(简体)总结多种语言编写的文本

基于Distilbert的土耳其语情感分析模型，在翻译为土耳其语的情感数据集上微调

这是一个通过AutoNLP训练的二元分类模型，用于检测文本中的仇恨言论内容。

基于distilbert-base-uncased微调的仇恨言论检测模型，在tweet_eval数据集上训练

基于bert-base-uncased微调的情感分析模型，用于推文情感分类

预训练的阿拉伯语BERT基础语言模型，支持现代标准阿拉伯语和部分方言

基于俄语敏感主题数据集训练的文本分类模型，可识别18类可能损害企业声誉的不当内容

一个专注于泰语文本情感分析的模型，支持积极、中性和消极情感分类。

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

这是一个基于SlovakBERT的情感分析分类器，专为斯洛伐克语推文优化，可区分负面、中性和积极三种情感级别。

基于EmoEvent语料库训练的英语情感分析模型，采用BerTweet架构

基于BERT Tiny架构微调的轻量级假新闻检测模型，适用于中文文本分析

基于distilbert-base-uncased微调的情感分析模型，在tweet_eval数据集上训练，用于推文情感分类

该模型基于RoBERTa架构，用于分析英文文本中表达的购买意向，进行二分类（有/无购买意向）。

预训练的阿拉伯语BERT迷你语言模型，适用于阿拉伯语文本处理任务