IndoBERT-EcommerceReview

fahrendrakhoirul

Clasificación de texto

Un modelo IndoBERT afinado para la clasificación multi-etiqueta de reseñas de clientes en comercio electrónico, centrado en la calidad del producto, el servicio al cliente y el envío/entrega. Este modelo está basado en IndoBERT-base-p1, un modelo preentrenado de IndoBERT específicamente diseñado para texto en indonesio. Está afinado en un conjunto de datos de reseñas de comercio electrónico, lo que le permite entender las sutilezas del sentimiento del cliente en este dominio.

Como usar

Cómo importar en PyTorch:
import torch.nn as nn
from huggingface_hub import PyTorchModelHubMixin
from transformers import BertModel, AutoTokenizer

class IndoBertEcommerceReview(nn.Module, PyTorchModelHubMixin):
    def __init__(self, bert):
        super().__init__()
        self.bert = bert
        self.sigmoid = nn.Sigmoid()

    def forward(self, input_ids, attention_mask):
        outputs = self.bert(input_ids=input_ids, attention_mask=attention_mask)
        logits = outputs.logits
        probabilities = self.sigmoid(logits)
        return probabilities

bert = BertModel.from_pretrained("indobenchmark/indobert-base-p1")
tokenizer = AutoTokenizer.from_pretrained("fahrendrakhoirul/indobert-finetuned-ecommerce-reviews")
model = IndoBertEcommerceReview.from_pretrained("fahrendrakhoirul/indobert-finetuned-ecommerce-reviews", bert=bert)

Funcionalidades

Modelo basado en IndoBERT-base-p1
Afinado en un conjunto de datos de reseñas de comercio electrónico
Capaz de entender el sentimiento del cliente en comercio electrónico
Proporciona tres clases de salida: Producto, Servicio al Cliente, y Envío/Entrega

Casos de uso

Satisfacción del cliente con la calidad, rendimiento y precisión de la descripción del producto.
Interacción con los vendedores, su capacidad de respuesta y manejo de quejas.
Velocidad de entrega, estado del artículo al llegar y puntualidad.