metadata

license: apache-2.0
task_categories:
  - text-classification
language:
  - id
size_categories:
  - 10K<n<100K
pretty_name: Review Dataset of Women's Beauty Product in Tokopedia and Shopee

Review Dataset of Women's Beauty Product in Tokopedia and Shopee

57.2K rows of training; 3.81K rows of validation; 15.3K rows of testing

en:

This dataset represents the outcome of collecting review data from 38 official stores that specialize in the sale of women's beauty products on the Shopee and Tokopedia platforms. The data collection process involved utilizing a scraper bot that automatically extracted these reviews from the product pages. The purpose behind implementing the scraper bot was to simplify and expedite the collection of a substantial volume of data.

Following the successful compilation of the review data, the subsequent step encompassed data normalization. Normalization was executed to establish a more organized structure for the data, rendering it ready for more advanced analyses. The normalization process applied to this dataset encompassed a sequence of steps:

Employing an emoji library to manage emoji characters present within the reviews.

Eliminating newline characters to uphold data coherence and readability.

Converting all text into lowercase to mitigate discrepancies arising from text analysis due to variations in letter casing.

These measures were adopted to ensure that the dataset adheres to a uniform format, poised for further processing within this project.

This project is oriented towards academic pursuits and is undertaken as a stipulated requirement for graduation within the Computer Science program at Universitas Amikom Purwokerto. In the context of this project, the identities of reviewers or authors of the reviews have been entirely expunged or obscured to preserve their confidentiality and privacy. Additionally, it is important to note that the dataset's language is Indonesian.

As an extra note, please be aware that the dataset format employs one-hot encoding techniques.

Dataset Ulasan Produk Kecantikan Wanita di Tokopedia dan Shopee

57.2K baris pelatihan; 3.81K baris validasi; 15.3K baris pengujian

id:

Dataset ini adalah hasil dari pengumpulan data ulasan dari 38 toko resmi yang mengkhususkan diri dalam penjualan produk kecantikan wanita di platform Shopee dan Tokopedia. Proses pengumpulan data melibatkan penggunaan scraper bot yang secara otomatis mengambil ulasan-ulasan ini dari halaman produk. Tujuan di balik penggunaan scraper bot adalah untuk menyederhanakan dan mempercepat pengumpulan volume data yang signifikan.

Setelah berhasil mengumpulkan data ulasan, langkah berikutnya adalah normalisasi data. Normalisasi dilakukan untuk menciptakan struktur data yang lebih terorganisir, sehingga data siap untuk analisis yang lebih canggih. Proses normalisasi yang diterapkan pada dataset ini terdiri dari serangkaian langkah:

Menggunakan perpustakaan emoji untuk mengelola karakter emoji yang ada dalam ulasan.

Menghilangkan karakter baris baru untuk menjaga koherensi dan keterbacaan data.

Mengonversi seluruh teks menjadi huruf kecil untuk mengurangi perbedaan dalam analisis teks akibat variasi kapitalisasi huruf.

Langkah-langkah ini diambil untuk memastikan bahwa dataset mengikuti format yang seragam, siap untuk pemrosesan lebih lanjut dalam proyek ini.

Proyek ini ditujukan untuk pencapaian akademis dan dijalankan sebagai persyaratan kelulusan dalam program Ilmu Komputer di Universitas Amikom Purwokerto. Dalam konteks proyek ini, identitas para reviewer atau penulis ulasan telah sepenuhnya dihapus atau diaburkan untuk menjaga kerahasiaan dan privasi mereka. Selain itu, penting untuk dicatat bahwa bahasa dataset ini berbahasa Indonesia.

Sebagai catatan tambahan, harap diperhatikan bahwa format dataset menggunakan teknik one-hot encoding.