|
|
--- |
|
|
library_name: transformers |
|
|
tags: |
|
|
- text-classification |
|
|
- multilabel |
|
|
- Vietnamese |
|
|
- BERT |
|
|
language: |
|
|
- vi |
|
|
metrics: |
|
|
- f1 |
|
|
base_model: |
|
|
- vinai/phobert-base |
|
|
--- |
|
|
|
|
|
# PhoBERT-Specialty-ClassificationBC |
|
|
|
|
|
## Model Details |
|
|
|
|
|
### Model Description |
|
|
|
|
|
PhoBERT-Specialty-ClassificationBC là mô hình phân loại đa nhãn dựa trên **PhoBERT**, được tinh chỉnh để phân loại chuyên khoa y tế từ văn bản tiếng Việt. |
|
|
|
|
|
- **Developed by:** Lê Thế Cường |
|
|
- **Model type:** BERT-based transformer |
|
|
- **Language(s) (NLP):** Tiếng Việt |
|
|
- **Finetuned from model:** `vinai/phobert-base` |
|
|
|
|
|
|
|
|
## Uses |
|
|
|
|
|
### Direct Use |
|
|
Mô hình có thể được sử dụng trực tiếp để phân loại chuyên khoa y tế từ văn bản đầu vào. |
|
|
|
|
|
### Downstream Use |
|
|
Mô hình có thể được tinh chỉnh thêm hoặc sử dụng trong các hệ thống hỗ trợ phân loại bệnh nhân, chatbot tư vấn y tế. |
|
|
|
|
|
### Out-of-Scope Use |
|
|
Mô hình không được thiết kế cho các ứng dụng chẩn đoán y tế hoặc thay thế chuyên gia y tế. |
|
|
|
|
|
## Bias, Risks, and Limitations |
|
|
|
|
|
### Recommendations |
|
|
Người dùng cần hiểu rõ giới hạn của mô hình, tránh sử dụng cho các quyết định y tế quan trọng mà không có xác nhận từ chuyên gia. |
|
|
|
|
|
## How to Get Started with the Model |
|
|
Dưới đây là cách sử dụng mô hình: |
|
|
```python |
|
|
from transformers import AutoModelForSequenceClassification, AutoTokenizer |
|
|
|
|
|
model = AutoModelForSequenceClassification.from_pretrained("thecuong/PhoBERT-Specialty-ClassificationBC") |
|
|
tokenizer = AutoTokenizer.from_pretrained("thecuong/PhoBERT-Specialty-ClassificationBC") |
|
|
mlb_path = hf_hub_download(repo_id="thecuong/PhoBERT-Specialty-ClassificationBC", filename="mlb.pkl") |
|
|
|
|
|
# Load mlb.pkl |
|
|
with open(mlb_path, "rb") as f: |
|
|
mlb = pickle.load(f) |
|
|
|
|
|
text = "u tuyến tiền liệt" |
|
|
tokens = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128) |
|
|
outputs = model(**tokens) |
|
|
|
|
|
print(outputs.logits) |
|
|
optimal_thresholds = [0.2985745668411255, |
|
|
0.2442353218793869, |
|
|
0.460119366645813, |
|
|
0.25225114822387695, |
|
|
0.4248329699039459, |
|
|
0.4668178856372833, |
|
|
0.2842218279838562, |
|
|
0.43041494488716125, |
|
|
0.32972779870033264, |
|
|
0.36232128739356995, |
|
|
0.26634153723716736, |
|
|
0.24046610295772552, |
|
|
0.34447458386421204, |
|
|
0.2602587640285492, |
|
|
0.30732235312461853, |
|
|
0.34195464849472046, |
|
|
0.43998637795448303, |
|
|
0.1687939465045929, |
|
|
0.39311549067497253] |
|
|
binary_preds_thresh = (probs > optimal_thresholds).astype(int) |
|
|
predicted_labels = mlb.inverse_transform(binary_preds_thresh) |
|
|
``` |
|
|
|
|
|
|
|
|
``` |
|
|
{ |
|
|
"0": "Chưa rõ ràng triệu chứng cần hỏi lại", |
|
|
"1": "Cơ Xương Khớp", |
|
|
"3": "Tim mạch", |
|
|
"4": "Tai Mũi Họng", |
|
|
"5": "Nhi khoa", |
|
|
"11": "Da liễu", |
|
|
"15": "Ung bướu", |
|
|
"17": "Nội khoa", |
|
|
"18": "Thần kinh", |
|
|
"19": "Sản Phụ khoa", |
|
|
"21": "Tiểu đường - Nội tiết", |
|
|
"22": "Tiêu hóa", |
|
|
"24": "Cột sống", |
|
|
"26": "Nam học", |
|
|
"27": "Sức khỏe tâm thần", |
|
|
"28": "Bệnh Viêm gan", |
|
|
"29": "Chuyên khoa Mắt", |
|
|
"31": "Khám tổng quát", |
|
|
"32": "Thận - Tiết niệu", |
|
|
"33": "Nha khoa", |
|
|
"43": "Hô hấp - Phổi", |
|
|
"67": "Vô sinh - Hiếm muộn" |
|
|
} |
|
|
``` |
|
|
|
|
|
|
|
|
## Kết quả đánh giá |
|
|
|
|
|
 |
