Update README.md

README.md

@@ -49,7 +49,7 @@ From this perspective, it can be inferred that the model necessitates further ad
 
 Projek ini merujuk pada sebuah upaya tambahan yang dilakukan untuk menguji dan menilai akurasi model bahasa alam GPT-2 dalam menghasilkan ulasan produk kecantikan di dalam lingkungan perdagangan elektronik. Fokus dari eksperimen ini adalah pada hasil finetuning model GPT-2 menggunakan dataset yang meliputi ulasan-ulasan produk dengan rating yang telah diklasifikasikan dalam format tanya-jawab.
 
-Meskipun analisis perplexity menunjukkan peningkatan hasil yang memadai, namun melalui pengamatan mendalam, ditemukan bahwa model yang dihasilkan masih belum mencapai tingkat akurasi yang diharapkan. Meskipun telah dilakukan proses finetuning selama 20 epoch, hasil yang dihasilkan masih memiliki ketidakakuratan yang signifikan. Perlu ditekankan bahwa dataset yang digunakan dalam eksperimen ini tidak melalui proses pengawasan tambahan untuk mengurangi bias yang mungkin muncul dari ulasan-ulasan produk.
+Meskipun analisis perplexity menunjukkan peningkatan hasil yang memadai, namun melalui pengamatan mendalam, ditemukan bahwa model yang dihasilkan masih belum mencapai tingkat akurasi yang diharapkan. Meskipun telah dilakukan proses finetuning selama 20 epoch, hasil yang dihasilkan masih memiliki potensi ketidakakuratan di hasil-hasil tertentu. Perlu ditekankan bahwa dataset yang digunakan dalam eksperimen ini tidak melalui proses pengawasan tambahan untuk mengurangi bias yang mungkin muncul dari ulasan-ulasan produk.
 
 Dalam pandangan ini, dapat diartikan bahwa model ini membutuhkan penyesuaian lebih lanjut melalui penggunaan variasi klasifikasi yang lebih beragam dan akurat. Implikasi yang lebih dalam dari temuan ini adalah memperlihatkan bahwa penilaian subjektif dari para pengulas masih mempengaruhi hasil akhir dari ulasan produk secara substansial. Oleh karena itu, perlu adanya pendekatan yang lebih cermat dan terukur dalam melibatkan berbagai sumber daya dalam proses fine-tuning agar mampu mereduksi bias dan meningkatkan akurasi model dalam menghasilkan ulasan produk yang lebih objektif dan akurat di platform e-commerce.