UPDATE V5 DENGAN MENGGUNAKAN 12512 DATASET PENGUJIAN
Model Card radityapranata/absabert-keluhanpln-v5
update from radityapranata/absabert-keluhanpln-v4
Basic Model ABSA BERT KELUHAN PLN dalam bahasa indonesia merupakan model yang dihasilkan dari : ##bert-base-uncased this raw template.
Model Description
Dataset yang digunakan disini merupakan kumpulan data keluhan pelanggan dalam bahasa indonesia pada PLN Mobile.
Dengan pengukuran aspect yang terbagi meliputi : "Layanan Pelanggan" , "Ketersediaan Produk" , "Kebijakan Usaha" , "Pemulihan Layanan".
Hal ini mengutip dari jenis pengukuran yag dilakukan oleh Simon J. Bell di tahun 2006 dari University of Melbourne dalam publikasinya yang berjudul Coping With Customer Complaints
How to use
You can use this model directly with a pipeline for masked language modeling:
>>>pip install torch
>>>pip install transformers
>>>from transformers import BertTokenizer, BertForSequenceClassification
>>>import torch
model_name = "radityapranata/absabert-keluhanpln-v3"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)
absa_pipeline = pipeline("sentiment-analysis", model=model, tokenizer=tokenizer)
text = "informasi tambah daya" #"Token listrik tidak dapat terisi, kwh meter tulisan periksa."
inputs = tokenizer(text, return_tensors="pt")
result = absa_pipeline(text)
outputs = model(**inputs)
logits = outputs.logits
get_aspect = torch.argmax(logits, dim=1).item()
aspects = ["Layanan Pelanggan", "Ketersediaan Produk", "Kebijakan Usaha", "Pemulihan Layanan"]
aspect = aspects[get_aspect]
for aspect_result in result:
Sentiment = aspect_result["label"]
Score = aspect_result["score"]
print("Aspect:", aspect)
print(f"Sentiment: {Sentiment}, Score: {Score}")
- Downloads last month
- 35
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social
visibility and check back later, or deploy to Inference Endpoints (dedicated)
instead.