Update sample.py

sample.py

@@ -1,44 +0,0 @@
-import joblib
-import nltk
-from nltk.corpus import stopwords
-from nltk.tokenize import word_tokenize
-from nltk.collocations import BigramCollocationFinder
-from nltk.metrics import BigramAssocMeasures
-from nltk.probability import FreqDist
-from nltk.tokenize import MWETokenizer
-
-def extract_keywords(text):
-    nltk.download('stopwords')
-    
-    stop_words = set(stopwords.words('english'))
-    
-    words = word_tokenize(text)
-    
-    # Xác định các từ ghép bằng cách sử dụng BigramCollocationFinder
-    bigram_finder = BigramCollocationFinder.from_words(words)
-    bigrams = bigram_finder.nbest(BigramAssocMeasures.chi_sq, 10)  # Chỉ xác định 10 từ ghép
-    
-    # Tạo tokenizer với danh sách từ ghép
-    tokenizer = MWETokenizer(bigrams)
-    
-    words = tokenizer.tokenize(words)
-    
-    keywords = [word.lower().replace("_", " ") for word in words if word.lower() not in stop_words]
-    
-    fdist = FreqDist(keywords)
-    
-    return fdist
-
-# Tải model từ tệp keywords_model.joblib
-keywords_model = joblib.load('keywords_model.joblib')
-
-# Nhập văn bản từ người dùng
-user_text = input("Nhập văn bản: ")
-
-# Trích xuất từ khóa từ văn bản người dùng sử dụng model
-user_keywords = extract_keywords(user_text)
-
-# In ra màn hình những từ khóa có tần suất xuất hiện cao nhất
-for keyword, count in user_keywords.most_common():
-    keyword = keyword.replace(",", "").replace(".", "")
-    print(keyword)