Phobert Base Vi Sentiment Analysis

🚀 ベトナム語感情分析 - Phân tích cảm xúc trong tiếng Việt

このプロジェクトは、ベトナム語の感情分析を行うツールを提供しています。テキストの感情傾向（ポジティブ、ネガティブ、ニュートラル）を正確に判断し、ベトナム語関連のテキスト処理に有効なサポートを提供します。

🚀 クイックスタート

コード例

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import os


def clear():
    os.system('clear')


checkpoint = "mr4/phobert-base-vi-sentiment-analysis"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(checkpoint)
clear()
print("Ngày hôm nay của bạn thế nào?")
val = input("")
raw_inputs = [val]
inputs = tokenizer(raw_inputs, padding=True,
                   truncation=True, return_tensors="pt")
outputs = model(**inputs)
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
clear()
print(">>>>>>>>>>>>>>>>>>>>>>>>>>")
for i, prediction in enumerate(predictions):
    print(raw_inputs[i])
    for j, value in enumerate(prediction):
        print(
            "    " + model.config.id2label[j] + ": " + str(value.item()))
print("<<<<<<<<<<<<<<<<<<<<<<<<<<")

✨ 主な機能

• 明確な感情分類：モデルはテキストの感情を「ポジティブ」「ネガティブ」「ニュートラル」の3つのカテゴリに正確に分類できます。
• 豊富なサンプル：ドキュメントには、さまざまな感情傾向のテキストサンプルが用意されており、モデルの動作方法を理解しやすくなっています。

📦 インストール

ドキュメントに具体的なインストール手順は記載されていません。必要な場合は、transformersライブラリの公式インストールガイドを参照してください。

💻 使用例

基本的な使用法

以下は、このモデルを使用して感情分析を行う基本的なコード例です。

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import os


def clear():
    os.system('clear')


checkpoint = "mr4/phobert-base-vi-sentiment-analysis"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(checkpoint)
clear()
print("Ngày hôm nay của bạn thế nào?")
val = input("")
raw_inputs = [val]
inputs = tokenizer(raw_inputs, padding=True,
                   truncation=True, return_tensors="pt")
outputs = model(**inputs)
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
clear()
print(">>>>>>>>>>>>>>>>>>>>>>>>>>")
for i, prediction in enumerate(predictions):
    print(raw_inputs[i])
    for j, value in enumerate(prediction):
        print(
            "    " + model.config.id2label[j] + ": " + str(value.item()))
print("<<<<<<<<<<<<<<<<<<<<<<<<<<")

📚 ドキュメント

モデルの説明

このモデルは、テキストの感情を判断するために使用され、「ポジティブ」「ネガティブ」「ニュートラル」のラベルを使用します。

ネガティブなテキストの例

Thời tiết hôm nay không được đẹp, trời mưa và lạnh.

    ネガティブ: 0.9596341252326965
    ポジティブ: 0.010115462355315685
    ニュートラル: 0.030250443145632744

ポジティブなテキストの例

Hôm nay đi làm thật vui, ăn uống thật ngon.

    ネガティブ: 0.002220266032963991
    ポジティブ: 0.9917450547218323
    ニュートラル: 0.006034655496478081

ニュートラルなテキストの例

Bình thường. Không có gì đặc biệt.

    ネガティブ: 0.03198615834116936
    ポジティブ: 0.05307402461767197
    ニュートラル: 0.9149397611618042

ベースモデル

このモデルは、VinAIのPhoBert - Baseモデルをベースに学習されています (https://huggingface.co/vinai/phobert - large)。

学習データ

このモデルは、linhlpvが収集したデータ (https://www.kaggle.com/datasets/linhlpv/vietnamese - sentiment - analyst) をベースに学習されており、データは修正されており、31436件の製品レビュー内容が含まれています。

モデルのバリエーション

未確定です。

想定用途と制限

未確定です。

📄 ライセンス

これはオープンソースのライブラリであり、あらゆる目的に使用できます。このモデルを使用する場合は、出典を明記していただけると幸いですが、必須ではありません。

📞 連絡先

関連情報が必要な場合は、以下のメールアドレスで連絡してください：zZz4everzZz@live.co.uk。