#IndoBERT
indobert-base-p1 - IndoBERT基于BERT架构的印尼语预训练模型
模型IndoBERT印尼语Indo4BGithub预训练模型Huggingface开源项目自然语言处理
indobert-base-p1是基于BERT架构的印尼语预训练模型，在23.43GB的Indo4B语料库上训练。该模型采用掩码语言建模和下一句预测目标，包含1.245亿参数，适用于多种印尼语自然语言处理任务。研究人员可通过Hugging Face加载模型和分词器，提取上下文表示，为印尼语NLP研究和应用奠定基础。
indonesia-bert-sentiment-classification - 基于IndoBERT模型的印尼情感分类工具
text-classification情感分析IndoBERTIndonesian BERT Base Sentiment ClassifierProsa情感数据集模型Github开源项目Huggingface
基于IndoBERT和Prosa数据集的模型，提供印尼语文本情感分析与分类，准确识别正面、中立和负面情绪，适用于自然语言处理任务。
indobert-model-ner - IndobertNER：基于BERT的印度尼西亚语命名实体识别模型
模型模型微调Github开源项目Huggingface命名实体识别自然语言处理深度学习IndoBERT
IndobertNER是基于indolem/indobert-base-uncased模型微调的印度尼西亚语命名实体识别模型。在评估集上，该模型展现出优秀性能，精确率达0.8307，召回率为0.8454，F1分数为0.8380。模型训练采用Adam优化器，使用线性学习率调度器，经过10轮迭代。虽然目前缺乏具体应用指南，但IndobertNER在印度尼西亚语自然语言处理领域具有广阔应用前景。
indobert-emotion-classification - 高性能印尼语情感分类BERT模型
模型IndoBERT情感分类Githubtransformer模型导入Huggingface开源项目自然语言处理
indobert-emotion-classification是一个基于BERT的印尼语情感分析模型。该模型能够对印尼语文本进行情感分类，支持多种情感标签。通过Hugging Face Transformers库，indobert-emotion-classification可以轻松集成到各种自然语言处理项目中。这个模型适用于分析印尼语社交媒体内容、客户反馈等文本数据的情感倾向，为研究人员和开发者提供了有力的工具。
indobert-base-p2 - IndoBERT：印尼语自然语言处理的先进模型
自然语言处理开源项目IndoBERTGithub机器学习Huggingface模型印尼语语言模型
IndoBERT是一个基于BERT的尖端模型，专为印度尼西亚语言设计。它通过遮蔽语言模型和句子预测进行预训练。使用Indo4B数据集，该模型在Base和Large架构中实现，参数从11.7M到335.2M不等，适用于多种自然语言处理任务。用户可以使用Transformers库轻松加载IndoBERT，提取上下文表示，增强印尼语处理的准确性和效率，广泛适用于研究和实践。
indobert-base-uncased - 印尼语BERT模型提升NLP任务表现
语言模型情感分析IndoBERT印尼语模型Github开源项目句法分析Huggingface
IndoBERT是为印尼语开发的BERT模型，经过2.4百万步的训练，使用了超过2.2亿字的数据来源于印尼维基百科与新闻和网络语料库。该模型在词性标注、命名实体识别等印尼语NLP任务中表现优异，表现高于其他模型。IndoBERT的卓越性能在印尼语基准测试IndoLEM中得到验证，并可通过transformers库加载使用。
prediksi-emosi-indobert - IndoBERT模型应用于印尼语文本情绪预测的工具
模型预测情感分析Prediksi Emosi AppIndoBERT模型Github开源项目预训练模型Huggingface
Prediksi Emosi App 利用预训练的IndoBERT模型进行印尼语情绪分析。应用程序接受用户输入的句子或段落，预测其可能的情绪，如愤怒、悲伤、快乐、爱、恐惧和厌恶，并以百分比格式展示结果，让用户轻松理解文本的情绪特征，便于分析和交互。