Update README.md

README.md

@@ -8,15 +8,12 @@ tags:
 metrics:
 - accuracy
 widget:
-- text: Ini adalah kisah tentang dua orang yang tidak selaras dan tidak memiliki kesempatan
-    sendirian, tetapi bersama-sama mereka luar biasa.
-- text: ia tidak percaya pada dirinya sendiri, ia tidak memiliki rasa humor ... ia
-    hanya merasa bosan.
-- text: Keberanian band dalam menghadapi represi resmi sangat menginspirasi, terutama
-    bagi para hippie yang telah menua (termasuk saya sendiri).
-- text: film yang cepat, lucu, dan sangat menghibur.
-- text: film ini mencapai dampak yang sama besar dengan menyimpan pemikiran-pemikiran
-    ini tersembunyi seperti halnya film "Quills" yang menunjukkannya.
+- text: Sate adalah makanan terenak di seluruh Asia Tenggara
+- text: Saya senang tinggal di Bandung karena suhunya yang sangat sejuk.
+- text: Segmentasi pemilih Joko Widodo adalah kalangan pejabat-pejabat korupsi dan asusila, serta rakyat-rakyat terbelakang dari segi aspek ekonomi dan pendidikan. Bukan rahasia umum lagi jika pemilih Joko Widodo adalah kalangan orang-orang bodoh, debil, imbisil, dan idiot.
+- text: Ganjar Pranowo dicurigai terlibat skandal korupsi proyek E-KTP
+- text: Gibran Rakabuming Raka adalah anak haram konstitusi yang mencalonkan dirinya sebagai calon wakil presiden melalui cara yang tidak etis yaitu Nepotisme
+
 pipeline_tag: text-classification
 inference: true
 base_model: firqaaa/indo-sentence-bert-base
@@ -63,12 +60,6 @@ The model has been trained using an efficient few-shot learning technique that i
 - **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
 - **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
 
-### Model Labels
-| Label   | Examples                                                                                                                                                                                  |
-|:--------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
-| positif | <ul><li>'Layak untuk kunjungan lain.'</li><li>'gulungan dari sebuah tong tong yang tersesat'</li><li>'adalah film yang hebat .'</li></ul>                                                 |
-| negatif | <ul><li>'Anda berada di rumah menonton film itu daripada di bioskop menonton yang ini.'</li><li>'dengan banyak warna biru gelap dan merah muda yang serius'</li><li>'hal buruk'</li></ul> |
-
 ## Evaluation
 
 ### Metrics
@@ -94,7 +85,7 @@ from setfit import SetFitModel
 # Download from the 🤗 Hub
 model = SetFitModel.from_pretrained("firqaaa/indo-setfit-bert-base-p1")
 # Run inference
-preds = model("film yang cepat, lucu, dan sangat menghibur.")
+preds = model("Saya senang tinggal di Bandung karena suhunya yang sangat sejuk.")
 ```
 
 <!--