Indobert Analisis Sentimen Review Produk

🚀 IndoBERT情感分類ID - 二分類

本模型是基於indobenchmark/indobert-base-p2進行微調得到的，用於對印尼語產品評論進行二分類情感分析（積極和消極）。所使用的數據集包含了來自電商平臺Tokopedia的10600條產品評論。

🚀 快速開始

本模型旨在將評論或評價分為兩種情感類別：積極和消極。

✨ 主要特性

• 評估指標：本模型使用準確率（Accuracy）和F1分數（F1 Score）進行評估。
• 基礎模型：基於indobenchmark/indobert-base-p2。

📦 安裝指南

文檔未提及安裝步驟，暫不展示。

💻 使用示例

基礎用法

# Load model dan tokenizer
from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
import torch

# Load dari Hugging Face Hub
model = AutoModelForSequenceClassification.from_pretrained("siRendy/indobert-analisis-sentimen-review-produk")
tokenizer = AutoTokenizer.from_pretrained("siRendy/indobert-analisis-sentimen-review-produk")

# Fungsi prediksi
def predict_sentiment(text):
    classifier = pipeline(
        "text-classification",
        model=model,
        tokenizer=tokenizer,
        device=0 if torch.cuda.is_available() else -1
    )

    result = classifier(text)[0]
    return {
        "sentiment": str(result["label"]),
        "confidence": round(result["score"], 4)
    }

# Contoh penggunaan
text = "Produk ini sangat buruk dan tidak layak dibeli."
prediction = predict_sentiment(text)
print(prediction)

📚 詳細文檔

訓練參數配置

以下是訓練時使用的訓練參數配置（TrainingArguments）：

from transformers import TrainingArguments

training_args = TrainingArguments(
    output_dir="./results",
    num_train_epochs=3,
    per_device_train_batch_size=4,
    gradient_accumulation_steps=4,
    per_device_eval_batch_size=4,
    weight_decay=0.05,
    eval_strategy="epoch",
    save_strategy="epoch",
    seed=42,
    load_best_model_at_end=True,
    metric_for_best_model="f1",
    logging_dir="./logs",
    report_to="tensorboard",
    logging_steps=100,
    warmup_ratio=0.05,
)

評估結果

模型在3個訓練週期內使用準確率和F1分數進行評估。以下是模型在每個週期的表現：

根據最高的F1分數，最佳模型取自第3個週期。

📄 許可證

本項目採用MIT許可證。