模型卡元数据参考规范详见：https://github.com/huggingface/hub-docs/blob/main/modelcard.md?plain=1

文档指南：https://huggingface.co/docs/hub/model-cards

{}

评估结果

所提出的情感分类模型在准确率和F1分数上分别达到98%和97.4%（训练轮次=10，批量大小=32）。

引用文献

• 纯文本格式：
  Y. O. Sihombing, R. Fuad Rachmadi, S. Sumpeno 与 M. J. Mubarok 合著《优化IndoRoBERTa模型用于印尼推特多类情感与情绪分类》，发表于2024年第十届IEEE国际信息技术研讨会（ITIS），印度尼西亚泗水，2024年，第12-17页，DOI：10.1109/ITIS64716.2024.10845566。

• BibTex格式：
  @INPROCEEDINGS{10845566,
  author={Sihombing, Yogie Oktavianus and Fuad Rachmadi, Reza and Sumpeno, Surya and Mubarok, Moh. Jabir},
  booktitle={2024 IEEE 10th Information Technology International Seminar (ITIS)},
  title={Optimizing IndoRoBERTa Model for Multi-Class Classification of Sentiment & Emotion on Indonesian Twitter},
  year={2024},
  volume={},
  number={},
  pages={12-17},
  keywords={研讨会;情感分析;准确率;社交网络;博客;文本分类;预测模型;情绪反应;信息技术;优化;IndoRoBERTa;分类;情感;情绪;印尼语;推特},
  doi={10.1109/ITIS64716.2024.10845566}}

致谢

作者衷心感谢所有为本研究提供持续支持的内外部资源，特别鸣谢Wilson Wongso、Steven Limcorn和Cahya Wirawan在HuggingFace平台公开可用的模型贡献。