absabert-keluhanpln-v3

DENGAN PENGUJIAN TERHADAP 5000 DATASET

Model Card radityapranata/absabert-keluhanpln-v3

<!-- Provide a quick summary of what the model is/does. -->

Basic Model ABSA BERT KELUHAN PLN dalam bahasa indonesia merupakan model yang dihasilkan dari : ##bert-base-uncased this raw template.

Model Description

<!-- Provide a longer summary of what this model is. -->

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}")