zeroday117/phobert-vsfc-sentiment

language: vi base_model: vinai/phobert-base-v2 datasets: - uitnlp/vietnamese_students_feedback pipeline_tag: text-classification tags: - vietnamese - sentiment-analysis - phobert

PhoBERT phân loại cảm xúc phản hồi sinh viên

Model được fine-tune từ vinai/phobert-base-v2 trên bộ UIT-VSFC (nhãn cảm xúc: negative, neutral, positive).

Cách dùng

Văn bản cần được tách từ (ví dụ bằng underthesea) trước khi đưa vào model.

from underthesea import word_tokenize
from transformers import pipeline

clf = pipeline("text-classification", model="{REPO_ID}")
clf(word_tokenize("Thầy giảng bài rất dễ hiểu.", format="text"))

Dữ liệu và kết quả

• Dữ liệu huấn luyện: bản rút gọn để thử nghiệm (ghi rõ số mẫu bạn thực sự dùng).
• F1 macro trên tập test: 95%

Hạn chế

• Lớp neutral có ít mẫu nên model nhận diện lớp này kém hơn hai lớp còn lại.
• Chỉ phù hợp với văn bản phản hồi về giáo dục, chưa kiểm chứng trên lĩnh vực khác.