fathurfrs/indobert-classifying-topik-hukum-indonesia

Overview

Model ini merupakan hasil fine-tuning dari IndoBERT (indolem/indobert-base-uncased) untuk tugas klasifikasi topik hukum. Model ini dilatih untuk mengklasifikasikan topik hukum dari suatu pertanyaan atau gugatan yang diajukan pada forum HukumOnline.com. Dengan menggunakan model ini, pengguna dapat dengan cepat mengidentifikasi kategori hukum yang relevan dari sebuah pertanyaan atau kasus hukum, memungkinkan untuk triase yang lebih efisien dan pengarahan ke sumber daya atau ahli yang tepat.

Dataset

Dataset berikut ini berisi 8500+ data QnA tentang pengaduan atau pertanyaan hukum di Indonesia yang telah di-scrap dari HukumOnline:

Model Card

Fine tuning menggunakan model Transformer indolem/indobert-base-uncased

Epoch	Training Loss	Validation Loss	F1
1	0.92132	1.232132	81.32
2	0.842132	1.032132	81.53
3	0.812321	0.9321324	82.139
4	0.788542	0.832132	83.832
5	0.75321321	0.7732143	84.3132
6	0.2321321	0.432143	84.543
7	0.13321	0.42324	85.8934
8	0.0321343	0.412321	86.3213

How to Use

Use a pipeline as a high-level helper

from transformers import pipeline

pipe = pipeline("text-classification", model="fathurfrs/indobert-classifying-topik-hukum-indonesia")

Use model directly

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("fathurfrs/indobert-classifying-topik-hukum-indonesia")
model = AutoModelForSequenceClassification.from_pretrained("fathurfrs/indobert-classifying-topik-hukum-indonesia")