/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
indobert-large-p1
Опубликована
29 дек 2025

indobert-ner-gold

Разметка токеновТекст → label7 профессий

Дообученная индонезийская BERT-модель для извлечения и классификации именованных сущностей в тексте.

246скачиваний за 30 дней0лайковвеса обновлены26 мая 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

treamyracle/indobert-ner-gold — модель для распознавания именованных сущностей в индонезийском тексте, разработанная автором репозитория и дообученная на базе indobenchmark/indobert-large-p1. Это плотная модель семейства BERT для классификации токенов: она принимает текст и выделяет сущности, используя 19 типов меток. Контекст модели — до 512 токенов.

Модель предназначена для извлечения персон, организаций, мест, геополитических объектов, объектов инфраструктуры, событий и других сущностей. В карточке описано обучение в два этапа: на синтетических данных, размеченных автоматически, затем на вручную размеченном индонезийском наборе NERGRIT. Автор сообщает результаты на наборах NERUI и NERUGM, однако эти показатели приведены в README и не являются независимой проверкой. Модель распространяется по лицензии MIT.

Сценарии применения

  • извлечение имён людей из индонезийских текстов
  • поиск организаций и географических названий в документах
  • разметка событий и объектов инфраструктуры в новостях
  • автоматическая разметка индонезийских текстовых корпусов для NER

Ограничения

Модель ориентирована на индонезийский язык и ограничена контекстом до 512 токенов. Заявленные в README результаты опубликованы автором модели и не подтверждены здесь независимой оценкой.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🏆 IndoBERT-NER (Gold) - State-of-the-Art Indonesian NER

This model represents the current State-of-the-Art (SOTA) for Indonesian Named Entity Recognition (NER).

It utilizes a Two-Stage Curriculum Learning strategy to achieve higher accuracy and robustness compared to previous benchmarks (such as NusaBERT). Despite being a Large architecture (334M parameters), it achieves 46% higher throughput and lower latency than comparable Base models during inference.

🚀 Key Performance Highlights

Metricvs. Previous SOTA (NusaBERT)
Accuracy (F1)+3.54% higher on NER_UI dataset
Recall+4.02% higher recall (misses fewer entities)
Speed15.84 ms latency (vs 23.13 ms)
Throughput63 samples/sec (vs 43 samples/sec)

🎓 Training Strategy (Curriculum Learning)

To achieve these results, we employed a novel "Silver-to-Gold" training pipeline. We did not simply concatenate datasets; instead, we trained the model in phases to simulate a learning curriculum.

Phase 1: The "Warm-up" (Silver Data)

  • Data Source: A massive synthetic dataset of 130,000+ sentences.
  • Collection Method: We translated high-quality English NER datasets into Indonesian and utilized GLiNER-Multi-v2.1 to automatically tag entities.
  • Objective: This phase allowed the model to learn general context, sentence structures, and the concept of 19 rich entity labels (Events, Art, Facilities, etc.) which are often missing in standard datasets.

Phase 2: The "Refinement" (Gold Data)

  • Data Source: NERGRIT, a high-quality, human-annotated dataset for Indonesian.
  • Method: We took the checkpoint from Phase 1 and performed precise fine-tuning on this Gold standard data with a lower learning rate.
  • Objective: This corrected any noise introduced by the synthetic data and aligned the model's predictions with proper Indonesian grammatical standards.

📊 Evaluation & Benchmarks

We evaluated this model against the previous best-performing model (cahya/NusaBert-ner-v1.3) using strict evaluation scripts on standard academic datasets.

1. Dataset: NER_UI (Universitas Indonesia)

This model achieves a significant improvement in Recall and F1 Score.

RankModel NameF1 ScorePrecisionRecallAccuracy
🥇 1indobert-ner-gold (Ours)79.91%79.54%80.28%94.49%
🥈 2NusaBERT (Cahya)76.37%76.47%76.26%93.88%

2. Dataset: NER_UGM (Universitas Gadjah Mada)

Even on the challenging UGM dataset, our model maintains superior performance.

RankModel NameF1 ScorePrecisionRecallAccuracy
🥇 1indobert-ner-gold (Ours)70.21%61.74%81.37%93.48%
🥈 2NusaBERT (Cahya)67.49%58.88%79.07%93.12%

⚡ Inference Efficiency (Speed)

We benchmarked the inference speed on a standard CUDA environment. Despite being a "Large" model (334M params) compared to NusaBERT's Base architecture (160M params), this model runs significantly faster.

This efficiency is attributed to the optimized tokenizer and the robustness of the Phase 1 training which allows for confident, faster convergence during inference.

MetricOur Model (Large)NusaBERT (Base)Verdict
Parameters334M160MOurs is heavier (More Knowledge)
Latency15.84 ms23.13 ms⚡ 31% Faster
Throughput63.12 samples/sec43.23 samples/sec🚀 46% More Capacity

🏷️ Supported Labels

Unlike standard models that only detect Person, Location, and Organization, this model supports 19 detailed entity tags (38 BIO labels + O = 39 total):

LabelDescriptionLabelDescription
PERPersonORGOrganization
LOCLocationGPEGeopolitical Entity
FACFacility (Buildings, Airports, etc.)EVTEvent
WOAWork of ArtLAWLaw / Legal references
PRDProductLANLanguage
DATDateTIMTime
MONMoneyQTYQuantity
CRDCardinal NumberORDOrdinal Number
PRCPercentNORPolitical/Religious Group
REGRegion

💻 How to Use

from transformers import pipeline

# Load the pipeline
ner = pipeline("ner", model="treamyracle/indobert-ner-gold", aggregation_strategy="simple")

text = """
Presiden Joko Widodo meninjau pembangunan Istana Negara di Ibu Kota Nusantara (IKN) 
pada hari Selasa tanggal 20 Januari 2024. Proyek senilai Rp 15 Triliun ini dikerjakan oleh PT Waskita Karya.
"""

results = ner(text)
print(results)

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
014ef5d

0 моделей