Phobert Base Vi Sentiment Analysis

🚀 越南语情感分析 - Phân tích cảm xúc trong tiếng Việt

本项目提供了一个用于越南语情感分析的工具，能够准确判断文本的情感倾向，包括积极、消极和中性，为越南语相关的文本处理提供了有效的支持。

🚀 快速开始

代码示例

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

• 情感分类明确：模型能够准确地将文本的情感分为“积极”“消极”“中性”三类。
• 示例丰富：文档中提供了多个不同情感倾向的文本示例，便于理解模型的工作方式。

📦 安装指南

文档未提及具体安装步骤，若有需要可参考transformers库的官方安装说明。

💻 使用示例

基础用法

以下是使用该模型进行情感分析的基本代码示例：

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

高级用法

文档未提及高级用法相关内容。

📚 详细文档

模型描述

模型用于确定文本的情感，使用的标签为：“积极”“消极”“中性”。 示例如下：

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

    消极: 0.9596341252326965
    积极: 0.010115462355315685
    中性: 0.030250443145632744

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

    消极: 0.002220266032963991
    积极: 0.9917450547218323
    中性: 0.006034655496478081

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

    消极: 0.03198615834116936
    积极: 0.05307402461767197
    中性: 0.9149397611618042

基础模型

模型基于VinAI的PhoBert - Base模型进行训练 (https://huggingface.co/vinai/phobert - large)。

训练数据

模型基于linhlpv收集的数据进行训练 (https://www.kaggle.com/datasets/linhlpv/vietnamese - sentiment - analyst)，数据有修改，包含31436条产品评价内容。

模型变体

暂未确定。

预期用途与限制

暂未确定。

📄 许可证

这是一个开源库，您可以将其用于任何目的。如果您使用此模型，非常感谢您注明来源（不注明也可以）。

📞 联系信息

如有相关信息需求，可通过电子邮件联系：zZz4everzZz@live.co.uk。