|
--- |
|
language: |
|
- vi |
|
tags: |
|
- sentiment |
|
- classification |
|
license: mit |
|
widget: |
|
- text: "Không thể nào đẹp hơn" |
|
- text: "Quá phí tiền, mà không đẹp" |
|
- text: "Cái này giá ổn không nhỉ?" |
|
|
|
--- |
|
|
|
[**GitHub Homepage**](https://github.com/wonrax/phobert-base-vietnamese-sentiment) |
|
|
|
A model fine-tuned for sentiment analysis based on [vinai/phobert-base](https://huggingface.co/vinai/phobert-base). |
|
|
|
Labels: |
|
- NEG: Negative |
|
- POS: Positive |
|
- NEU: Neutral |
|
|
|
Dataset: [30K e-commerce reviews](https://www.kaggle.com/datasets/linhlpv/vietnamese-sentiment-analyst) |
|
|
|
## Usage |
|
```python |
|
import torch |
|
from transformers import RobertaForSequenceClassification, AutoTokenizer |
|
|
|
model = RobertaForSequenceClassification.from_pretrained("wonrax/phobert-base-vietnamese-sentiment") |
|
|
|
tokenizer = AutoTokenizer.from_pretrained("wonrax/phobert-base-vietnamese-sentiment", use_fast=False) |
|
|
|
# Just like PhoBERT: INPUT TEXT MUST BE ALREADY WORD-SEGMENTED! |
|
sentence = 'Đây là mô_hình rất hay , phù_hợp với điều_kiện và như cầu của nhiều người .' |
|
|
|
input_ids = torch.tensor([tokenizer.encode(sentence)]) |
|
|
|
with torch.no_grad(): |
|
out = model(input_ids) |
|
print(out.logits.softmax(dim=-1).tolist()) |
|
# Output: |
|
# [[0.002, 0.988, 0.01]] |
|
# ^ ^ ^ |
|
# NEG POS NEU |
|
``` |
|
|
