Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: indobertweet-base-uncased
Библиотека: transformers
Опубликована: 17 июл 2026

Ссылки

Hugging Face

IndoBERTweet-Plutchik-Emotion-Classifier

akmalluthfi

Классификация текстаТекст → label3 профессии

Дообученная IndoBERTweet для классификации эмоций в индонезийских текстах.

14скачиваний за 30 дней0лайковвеса обновлены17 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

IndoBERTweet-Plutchik-Emotion-Classifier — модель классификации текста на основе IndoBERTweet, разработанная akmalluthfi и дообученная на базе indolem/indobertweet-base-uncased. Она предназначена для определения эмоций в индонезийских текстах, вероятно, по модели эмоций Плутчика, что следует из названия репозитория; README не содержит описания меток или обучающего набора данных.

Модель построена на архитектуре BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: loss 0,9306 и F1 0,6540. Распространяется по лицензии Apache-2.0.

Сценарии применения

определение эмоций в индонезийских сообщениях
анализ эмоциональной окраски постов в Twitter
автоматическая разметка индонезийских текстов по эмоциям

Ограничения

Обучающий набор данных и перечень классов эмоций не описаны; на оценочном наборе указан F1 0,6540, поэтому качество может быть недостаточным для задач, требующих высокой точности.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndoBERTweet-Plutchik-Emotion-Classifier

This model is a fine-tuned version of indolem/indobertweet-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.9306
F1: 0.6540

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 64
eval_batch_size: 256
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.9122	1.0	1707	0.8542	0.6386
0.7600	2.0	3414	0.8320	0.6509
0.6177	3.0	5121	0.8593	0.6561
0.5155	4.0	6828	0.8975	0.6551
0.4573	5.0	8535	0.9306	0.6540

Framework versions

Transformers 5.12.1
Pytorch 2.13.0+cu132
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 51caeab