Fairizal Arifianto

Semua Proyek/Comparative Text Analysis

← Kembali ke semua proyek

NLP · Streamlit · LLM

Comparative Text Analysis

Aplikasi Streamlit untuk mengolah respons teks komparatif menjadi aspek, frekuensi, contoh pendapat, dan ringkasan hasil yang dapat ditinjau kembali.

6+tahap pipeline
8pertanyaan diuji
1aplikasi Streamlit
Lihat repository

Pipeline analisis

CSVinputNLPstrukturLLMvalidasi
Ingest · ekstraksi · normalisasi · ringkasan · jaringan aspek
Dashboard jaringan aspek pada Comparative Text Analysis
Screenshot terbaru dari hasil analisis: ringkasan pipeline, jumlah unit opini dan aspek, serta visualisasi jaringan aspek yang dapat ditinjau pengguna.

Masalah dan tujuan sistem

Respons terbuka berisi variasi istilah, cara membandingkan, dan tingkat detail yang berbeda. Pembacaan manual pada banyak respons menjadi berulang dan sulit ditelusuri. Sistem ini membantu peneliti memproses data secara bertahap: memvalidasi input, mengekstrak unit opini, menormalkan aspek, lalu menyajikan keluaran yang masih dapat diperiksa manusia.

LLM digunakan untuk membantu analisis, bukan untuk menetapkan kesimpulan penelitian secara otomatis. Interpretasi akhir tetap memerlukan peninjauan manusia.

Komponen utama

Validasi input

Mengecek struktur CSV, entity pembanding, serta bentuk pertanyaan sebelum pemrosesan berjalan.

Analisis linguistik

Memakai Stanza untuk tokenisasi, POS tagging, lemma, dan dukungan bukti linguistik.

LLM-assisted review

Menggunakan OpenRouter untuk membantu penilaian komparatif dan normalisasi aspek, dengan keluaran yang tetap dapat diaudit.

Alur pipeline

  1. 01

    Ingest

    Membaca dan memvalidasi data CSV fleksibel.

  2. 02

    Screen

    Memeriksa entitas dan bentuk pertanyaan komparatif.

  3. 03

    Extract

    Menghasilkan kandidat opinion units dan aspek.

  4. 04

    Normalize

    Menggabungkan variasi istilah agar analisis lebih konsisten.

  5. 05

    Summarize

    Menyajikan frekuensi, contoh, dan jaringan aspek komparatif.

Keluaran yang dapat ditinjau pengguna

Status setiap tahap

Pengguna dapat melihat tahapan yang telah selesai dan menelusuri letak proses ketika hasil perlu diperiksa ulang.

Tabel hasil terstruktur

Opinion units, aspek, label komparatif, dan contoh teks disajikan dalam bentuk yang lebih mudah difilter dan direview.

Ringkasan & jaringan aspek

Frekuensi dan hubungan aspek divisualisasikan untuk membantu menemukan pola awal sebelum interpretasi penelitian.

Prinsip desain dan batasan

Auditability

Output antara disimpan sehingga pengguna dapat meninjau proses, tidak hanya menerima hasil akhir yang sulit dijelaskan.

Human review

Kualitas keluaran bergantung pada kualitas input dan respons model. Karena itu, LLM diposisikan sebagai asisten dan hasilnya tetap perlu diverifikasi peneliti.

Teknologi