Phobert Base Vi Sentiment Analysis

🚀 越南語情感分析 - Phân tích cảm xúc trong tiếng Việt

本項目提供了一個用於越南語情感分析的工具，能夠準確判斷文本的情感傾向，包括積極、消極和中性，為越南語相關的文本處理提供了有效的支持。

🚀 快速開始

代碼示例

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("<<<<<<<<<<<<<<<<<<<<<<<<<<")

✨ 主要特性

• 情感分類明確：模型能夠準確地將文本的情感分為“積極”“消極”“中性”三類。
• 示例豐富：文檔中提供了多個不同情感傾向的文本示例，便於理解模型的工作方式。

📦 安裝指南

文檔未提及具體安裝步驟，若有需要可參考transformers庫的官方安裝說明。

💻 使用示例

基礎用法

以下是使用該模型進行情感分析的基本代碼示例：

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("<<<<<<<<<<<<<<<<<<<<<<<<<<")

高級用法

文檔未提及高級用法相關內容。

📚 詳細文檔

模型描述

模型用於確定文本的情感，使用的標籤為：“積極”“消極”“中性”。 示例如下：

• 消極文本示例： Thời tiết hôm nay không được đẹp, trời mưa và lạnh.

    消極: 0.9596341252326965
    積極: 0.010115462355315685
    中性: 0.030250443145632744

• 積極文本示例： Hôm nay đi làm thật vui, ăn uống thật ngon.

    消極: 0.002220266032963991
    積極: 0.9917450547218323
    中性: 0.006034655496478081

• 中性文本示例： Bình thường. Không có gì đặc biệt.

    消極: 0.03198615834116936
    積極: 0.05307402461767197
    中性: 0.9149397611618042

基礎模型

模型基於VinAI的PhoBert - Base模型進行訓練 (https://huggingface.co/vinai/phobert - large)。

訓練數據

模型基於linhlpv收集的數據進行訓練 (https://www.kaggle.com/datasets/linhlpv/vietnamese - sentiment - analyst)，數據有修改，包含31436條產品評價內容。

模型變體

暫未確定。

預期用途與限制

暫未確定。

📄 許可證

這是一個開源庫，您可以將其用於任何目的。如果您使用此模型，非常感謝您註明來源（不註明也可以）。

📞 聯繫信息

如有相關信息需求，可通過電子郵件聯繫：zZz4everzZz@live.co.uk。