Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: indobert-base-p1
Опубликована: 21 июн 2026

Ссылки

cloudsentimen-gojek

Классификация текстаТекст → label3 профессии

Дообученная IndoBERT-модель определяет положительную, нейтральную или отрицательную тональность отзывов о Gojek на индонезийском языке.

8скачиваний за 30 дней0лайковвеса обновлены26 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

sahikjaman/cloudsentimen-gojek — модель классификации тональности отзывов о приложении Gojek в Google Play Store. Это дообученная на indонезийских отзывах модель indobenchmark/indobert-base-p1 на архитектуре BERT с 151,6 млн параметров; она относит текст к одному из трёх классов: положительный, нейтральный или отрицательный. Модель рассчитана на классификацию коротких пользовательских отзывов на индонезийском языке и поддерживает контекст до 512 токенов.

Для обучения использовались публичные отзывы Google Play, а метки автоматически выводились из рейтинга: 4–5 звёзд — положительная тональность, 3 — нейтральная, 1–2 — отрицательная. Перед подачей текста требуется применить ту же очистку, что и при обучении: привести текст к нижнему регистру, удалить ссылки, эмодзи и пунктуацию, нормализовать сленг и удалить стоп-слова средствами Sastrawi. Весы опубликованы в формате safetensors; лицензия — MIT.

Сценарии применения

определение тональности отзывов о Gojek в Google Play
разделение отзывов пользователей на положительные, нейтральные и отрицательные
анализ жалоб на ошибки приложения и проблемы с балансом
автоматическая категоризация индонезийских отзывов по эмоциональной окраске

Ограничения

Метки получены автоматически из рейтингов, а не из ручной разметки; нейтральный класс представлен меньшинством. При инференсе необходимо использовать ту же предварительную очистку и нормализацию текста, что применялась при обучении.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sahikjaman/cloudsentimen-gojek

Model klasifikasi sentimen (positif/netral/negatif) ulasan Gojek di Google Play Store, hasil fine-tuning indobenchmark/indobert-base-p1. Bagian dari proyek mata kuliah Komputasi Awan, FTMM Universitas Airlangga (NIM 163221024).

Cara pakai

from transformers import pipeline
clf = pipeline("text-classification", model="sahikjaman/cloudsentimen-gojek")
clf("aplikasi sering error saldo hilang")

Data & label

Sumber: ulasan publik Google Play (google-play-scraper).
Label weak-supervised dari rating: 4–5 → positif, 3 → netral, 1–2 → negatif.
Keterbatasan: label berasal dari rating, bukan anotasi manual; kelas netral minoritas.

Preprocessing (WAJIB saat inference)

Teks dibersihkan identik dengan training (lowercase, hapus URL/emoji/tanda baca, normalisasi slang, stopword Sastrawi). Lihat cloudsentimen.preprocess.clean_for_inference.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 0950da6