IndoBERT-Sentiment：面向印尼文本的上下文条件情感分类
计算与语言
2026-04-09 v1
摘要
现有的印尼情感分析模型孤立地对文本进行分类，忽略了经常决定陈述是积极、消极还是中性的主题上下文。我们引入了 IndoBERT-Sentiment，一个上下文条件情感分类器，它同时接收主题上下文和文本作为输入，产生基于所讨论主题的情感预测。该模型基于 IndoBERT Large（3.35 亿参数）构建，在 31,360 个上下文-文本对上进行训练，这些对跨越 188 个主题进行标注，模型实现了 F1 macro 为 0.856 和准确率为 88.1%。在与三个广泛使用的通用印尼情感模型在相同测试集上的头对头评估中，IndoBERT-Sentiment 超越了最佳基线 35.6 个 F1 点。我们表明，上下文条件化先前被证明适用于相关性分类，可以有效迁移到情感分析，并使模型能够正确分类那些被无上下文方法系统性误分类的文本。
引用
@article{arxiv.2604.07057,
title = {IndoBERT-Sentiment: Context-Conditioned Sentiment Classification for Indonesian Text},
author = {Muhammad Apriandito Arya Saputra and Andry Alamsyah and Dian Puteri Ramadhani and Thomhert Suprapto Siadari and Hanif Fakhrurroja},
journal= {arXiv preprint arXiv:2604.07057},
year = {2026}
}
备注
8 pages, 5 tables, and 2 figures