Mô hình phân tích cảm xúc theo khía cạnh (Aspect-Based Sentiment Analysis - ABSA) cho tiếng Việt, được xây dựng dựa trên PhoBERT. Mô hình dự đoán cực tính cảm xúc (tiêu cực / trung lập / tích cực) cho 4 khía cạnh đồng thời trong một lần forward pass:

food (món ăn)
price (giá cả)
space (không gian)
service (phục vụ)

Mô hình được thiết kế đặc biệt cho phân tích đánh giá nhà hàng và ẩm thực tiếng Việt.

Model Overview

Base model: vinai/phobert-base
Architecture: PhoBERT encoder với 4 classification heads độc lập
Task: Aspect-Based Sentiment Analysis (ABSA)
Number of aspects: 4
Number of sentiment classes: 3 (negative, neutral, positive)

Output Format

Mô hình trả về tensor với shape: (batch_size, 4, 3)

Trong đó:

4 tương ứng với số lượng khía cạnh
3 tương ứng với số lớp cảm xúc cho mỗi khía cạnh

Thứ tự các khía cạnh trong output tensor:

["food", "price", "space", "service"]

Sentiment Labels:

ID	Label	Mô tả
0	negative	Tiêu cực
1	neutral	Trung lập
2	positive	Tích cực

Installation

pip install torch transformers

Usage

⚠️ Important: Mô hình này sử dụng custom architecture, do đó bạn phải enable trust_remote_code=True khi load.

Load Model and Tokenizer

python

import torch
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained(
    "phngahn/phobert-aspect-based-sentiment"
)

model = AutoModel.from_pretrained(
    "phngahn/phobert-aspect-based-sentiment",
    trust_remote_code=True
)

Inference

python

text = "Món ăn ngon nhưng phục vụ chậm và giá hơi cao"

inputs = tokenizer(text, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs)

print(logits.shape)  # torch.Size([1, 4, 3])

Decode Predictions

python

aspect_names = ["food", "price", "space", "service"]
sentiment_labels = ["negative", "neutral", "positive"]

def predict(text):
    inputs = tokenizer(text, return_tensors="pt")
    
    with torch.no_grad():
        logits = model(**inputs)[0]
    
    preds = logits.argmax(dim=1)
    
    return {
        aspect: sentiment_labels[p.item()]
        for aspect, p in zip(aspect_names, preds)
    }

# Example
result = predict("Món ăn ngon nhưng giá cao, phục vụ chậm")
print(result)

Output:

python

{
    "food": "positive",
    "price": "negative",
    "space": "neutral",
    "service": "negative"
}

Model Details

Mô hình dựa trên kiến trúc PhoBERT/RoBERTa và bỏ qua token_type_ids
Tương thích với AutoModel và Trainer của Hugging Face
Mô hình không được wrap sẵn thành Hugging Face pipeline

Intended Use

✅ Phân tích đánh giá nhà hàng tiếng Việt
✅ Phân tích cảm xúc theo khía cạnh
✅ Nghiên cứu học thuật và dự án sinh viên

Limitations

⚠️ Chỉ được huấn luyện trên dữ liệu nhà hàng/ẩm thực
⚠️ Hiệu suất có thể giảm trên các domain khác
⚠️ Mô hình luôn dự đoán cả 4 khía cạnh (giả định tất cả khía cạnh đều xuất hiện)

Citation

Nếu bạn sử dụng mô hình này trong công trình học thuật, vui lòng trích dẫn PhoBERT:

bibtex

@article{phobert,
title     = {{PhoBERT: Pre-trained language models for Vietnamese}},
author    = {Dat Quoc Nguyen and Anh Tuan Nguyen},
journal   = {Findings of EMNLP},
year      = {2020}
}

License

Mô hình này tuân theo license của base model vinai/phobert-base.