Create README.md
Browse files
README.md
ADDED
|
@@ -0,0 +1,91 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- ja
|
| 4 |
+
library_name: transformers
|
| 5 |
+
pipeline_tag: text-classification
|
| 6 |
+
tags:
|
| 7 |
+
- sentiment
|
| 8 |
+
- analysis
|
| 9 |
+
- Japanses
|
| 10 |
+
---
|
| 11 |
+
|
| 12 |
+
# Sentiment Analysis in Japanese - Phân tích cảm xúc trong tiếng Nhật
|
| 13 |
+
## Bert phân tích cảm xúc
|
| 14 |
+
|
| 15 |
+
|
| 16 |
+
## Model description
|
| 17 |
+
|
| 18 |
+
Mô hình có tác dụng xác định cảm xúc của đoạn văn.
|
| 19 |
+
Sử dụng nhãn: "positive", "negative"
|
| 20 |
+
|
| 21 |
+
Ví dụ:
|
| 22 |
+
今日はいい天気ですね
|
| 23 |
+
```text
|
| 24 |
+
negative: 6.001393558108248e-05
|
| 25 |
+
positive: 0.999940037727356
|
| 26 |
+
```
|
| 27 |
+
|
| 28 |
+
今日の食べ物はとてもつまらない
|
| 29 |
+
```text
|
| 30 |
+
negative: 0.9999252557754517
|
| 31 |
+
positive: 7.470489799743518e-05
|
| 32 |
+
```
|
| 33 |
+
|
| 34 |
+
## Base model
|
| 35 |
+
|
| 36 |
+
Mô hình được đạo tạo dựa trên cơ sở của model Base Japanese
|
| 37 |
+
|
| 38 |
+
## Training data
|
| 39 |
+
|
| 40 |
+
Mô hình được đào tạo dựa trên dữ liệu được thu thập bởi TAKAHIRO KUBO (https://www.kaggle.com/datasets/takahirokubo0/chabsa) - có chỉnh sửa.
|
| 41 |
+
|
| 42 |
+
## Model variations
|
| 43 |
+
|
| 44 |
+
Chưa xác định
|
| 45 |
+
|
| 46 |
+
## Intended uses & limitations
|
| 47 |
+
|
| 48 |
+
Chưa xác định
|
| 49 |
+
|
| 50 |
+
## License
|
| 51 |
+
|
| 52 |
+
Đây là một open-source library, bạn có thể sử dụng nó với bất kì mục đích nào.
|
| 53 |
+
Rất cảm ơn nếu bạn ghi nguồn khi sử dụng mô hình này (nếu không ghi cũng không sao).
|
| 54 |
+
|
| 55 |
+
### How to use
|
| 56 |
+
|
| 57 |
+
```python
|
| 58 |
+
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
| 59 |
+
import torch
|
| 60 |
+
import os
|
| 61 |
+
|
| 62 |
+
|
| 63 |
+
def clear():
|
| 64 |
+
os.system('clear')
|
| 65 |
+
|
| 66 |
+
|
| 67 |
+
checkpoint = "mr4/bert-base-jp-sentiment-analysis"
|
| 68 |
+
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
|
| 69 |
+
model = AutoModelForSequenceClassification.from_pretrained(checkpoint)
|
| 70 |
+
clear()
|
| 71 |
+
print("Ngày hôm nay của bạn thế nào?")
|
| 72 |
+
val = input("")
|
| 73 |
+
raw_inputs = [val]
|
| 74 |
+
inputs = tokenizer(raw_inputs, padding=True,
|
| 75 |
+
truncation=True, return_tensors="pt")
|
| 76 |
+
outputs = model(**inputs)
|
| 77 |
+
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
|
| 78 |
+
clear()
|
| 79 |
+
print(">>>>>>>>>>>>>>>>>>>>>>>>>>")
|
| 80 |
+
for i, prediction in enumerate(predictions):
|
| 81 |
+
print(raw_inputs[i])
|
| 82 |
+
for j, value in enumerate(prediction):
|
| 83 |
+
print(
|
| 84 |
+
" " + model.config.id2label[j] + ": " + str(value.item()))
|
| 85 |
+
print("<<<<<<<<<<<<<<<<<<<<<<<<<<")
|
| 86 |
+
|
| 87 |
+
```
|
| 88 |
+
|
| 89 |
+
## Liên hệ
|
| 90 |
+
|
| 91 |
+
Mọi thông tin liên quan có thể liên hệ qua email: zZz4everzZz@live.co.uk.
|