Initial implementation of the project structure and core functionality.

app.py

@@ -0,0 +1,151 @@
+import gradio as gr
+import torch
+from transformers import AutoModelForSequenceClassification, AutoTokenizer
+from torch.utils.data import Dataset, DataLoader
+
+# Định nghĩa các nhãn
+LABELS = ['Thế giới', 'Văn hóa', 'Chính trị Xã hội', 'Vi tính', 'Đời sống', 
+          'Thể thao', 'Sức khỏe', 'Kinh doanh', 'Pháp luật', 'Khoa học']
+
+# Khởi tạo device
+device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
+
+# Load model và tokenizer
+print("Đang tải model...")
+model_name = "cochi1706/phobert-vntc-chunk1"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForSequenceClassification.from_pretrained(model_name)
+model.to(device)
+model.eval()
+print("Model đã được tải thành công!")
+
+# Dataset class cho inference
+class TextDataset(Dataset):
+    def __init__(self, texts, tokenizer, max_length=512):
+        self.texts = texts
+        self.tokenizer = tokenizer
+        self.max_length = max_length
+    
+    def __len__(self):
+        return len(self.texts)
+    
+    def __getitem__(self, idx):
+        text = str(self.texts[idx])
+        encoding = self.tokenizer(
+            text,
+            truncation=True,
+            padding='max_length',
+            max_length=self.max_length,
+            return_tensors='pt'
+        )
+        return {
+            'input_ids': encoding['input_ids'].flatten(),
+            'attention_mask': encoding['attention_mask'].flatten()
+        }
+
+def classify_text(text):
+    """
+    Phân loại văn bản tiếng Việt
+    """
+    if not text or text.strip() == "":
+        return "Vui lòng nhập văn bản cần phân loại!"
+    
+    try:
+        # Tạo dataset và dataloader
+        dataset = TextDataset([text], tokenizer)
+        dataloader = DataLoader(dataset, batch_size=1)
+        
+        # Dự đoán
+        with torch.no_grad():
+            for batch in dataloader:
+                batch = {k: v.to(device) for k, v in batch.items()}
+                outputs = model(input_ids=batch['input_ids'], attention_mask=batch['attention_mask'])
+                pred_label_id = torch.argmax(outputs.logits, dim=1).item()
+                
+                # Lấy xác suất cho tất cả các lớp
+                probabilities = torch.softmax(outputs.logits, dim=1)[0]
+                
+                # Tạo kết quả
+                predicted_label = LABELS[pred_label_id]
+                confidence = probabilities[pred_label_id].item() * 100
+                
+                # Tạo danh sách xác suất cho tất cả các nhãn
+                results = []
+                for i, label in enumerate(LABELS):
+                    prob = probabilities[i].item() * 100
+                    results.append(f"{label}: {prob:.2f}%")
+                
+                result_text = f"**Nhãn dự đoán: {predicted_label}**\n"
+                result_text += f"**Độ tin cậy: {confidence:.2f}%**\n\n"
+                result_text += "**Xác suất cho tất cả các nhãn:**\n"
+                result_text += "\n".join(results)
+                
+                return result_text
+                
+    except Exception as e:
+        return f"Lỗi khi phân loại: {str(e)}"
+
+# Tạo giao diện Gradio
+with gr.Blocks(title="Phân loại văn bản tiếng Việt", theme=gr.themes.Soft()) as demo:
+    gr.Markdown(
+        """
+        # 📰 Ứng dụng Phân loại Văn bản Tiếng Việt
+        
+        Ứng dụng này sử dụng mô hình PhoBERT để phân loại văn bản tiếng Việt vào 10 danh mục:
+        - Thế giới
+        - Văn hóa
+        - Chính trị Xã hội
+        - Vi tính
+        - Đời sống
+        - Thể thao
+        - Sức khỏe
+        - Kinh doanh
+        - Pháp luật
+        - Khoa học
+        
+        Nhập văn bản vào ô bên dưới và nhấn nút "Phân loại" để xem kết quả!
+        """
+    )
+    
+    with gr.Row():
+        with gr.Column():
+            text_input = gr.Textbox(
+                label="Nhập văn bản cần phân loại",
+                placeholder="Ví dụ: Hôm nay thị trường chứng khoán tăng điểm mạnh...",
+                lines=5,
+                max_lines=10
+            )
+            classify_btn = gr.Button("Phân loại", variant="primary", size="lg")
+        
+        with gr.Column():
+            output = gr.Markdown(label="Kết quả phân loại")
+    
+    # Ví dụ
+    gr.Markdown("### 📝 Ví dụ:")
+    examples = gr.Examples(
+        examples=[
+            ["Hôm nay thị trường chứng khoán tăng điểm mạnh, nhiều mã cổ phiếu đạt trần."],
+            ["Đội tuyển bóng đá Việt Nam giành chiến thắng trong trận đấu tối qua."],
+            ["Các nhà khoa học phát hiện ra phương pháp mới trong điều trị ung thư."],
+            ["Chính phủ ban hành luật mới về bảo vệ môi trường."],
+            ["Công nghệ AI đang phát triển mạnh mẽ trong lĩnh vực y tế."]
+        ],
+        inputs=text_input
+    )
+    
+    # Xử lý sự kiện
+    classify_btn.click(
+        fn=classify_text,
+        inputs=text_input,
+        outputs=output
+    )
+    
+    text_input.submit(
+        fn=classify_text,
+        inputs=text_input,
+        outputs=output
+    )
+
+if __name__ == "__main__":
+    demo.launch(share=False)
+

requirements.txt

@@ -0,0 +1,5 @@
+gradio>=5.49.1
+torch>=2.0.0
+transformers>=4.30.0
+accelerate>=0.20.0
+