IndoBERT-Sentiment-Analysis开源情感分析模型 - 免费部署实现高准确率情感评估

Indobert Sentiment Analysis

由 crypter70 开发

基于IndoBERT-base-p1在indonlu数据集上微调的情感分析模型，在评估集上准确率达94.52%

下载量 1,200

发布时间 : 3/29/2024

模型简介

该模型专门用于印尼语文本的情感分析任务，能够准确判断文本的情感倾向。

高准确率

在评估集上达到94.52%的准确率和94.51%的F1分数

印尼语优化

专门针对印尼语文本进行优化训练

高效微调

基于预训练模型进行高效微调，训练轮数仅5轮

印尼语文本情感分析

文本分类

情感倾向判断

社交媒体分析

评论情感分析

分析社交媒体上用户评论的情感倾向

准确识别94%以上的情感倾向

客户反馈分析

客户满意度评估

自动分析客户反馈中的情感倾向

快速识别客户满意度变化

属性	详情
模型类型	IndoBERT-Sentiment-Analysis
基础模型	indobenchmark/indobert-base-p1
训练数据集	indonlu
评估指标	准确率

训练损失	轮数	步数	验证损失	准确率	F1 分数
0.3499	0.27	500	0.2392	0.9310	0.9311
0.3181	0.55	1000	0.3354	0.9175	0.9158
0.3001	0.82	1500	0.2965	0.9238	0.9243
0.2534	1.09	2000	0.3513	0.9222	0.9218
0.1692	1.36	2500	0.2657	0.9405	0.9399
0.1543	1.64	3000	0.4046	0.9198	0.9191
0.1827	1.91	3500	0.2800	0.9317	0.9319
0.1061	2.18	4000	0.3352	0.9389	0.9389
0.0639	2.45	4500	0.4033	0.9373	0.9365
0.0709	2.73	5000	0.3508	0.9365	0.9360
0.0922	3.0	5500	0.3313	0.9397	0.9394
0.0274	3.27	6000	0.3635	0.9444	0.9440
0.0273	3.54	6500	0.4074	0.9389	0.9387
0.0414	3.82	7000	0.3863	0.9405	0.9405
0.0156	4.09	7500	0.4128	0.9413	0.9412
0.0067	4.36	8000	0.4469	0.9397	0.9399
0.0056	4.63	8500	0.4297	0.9444	0.9445
0.0124	4.91	9000	0.4227	0.9452	0.9451