Spaces:
Runtime error
Runtime error
Update bartpho/utils.py
Browse files- bartpho/utils.py +272 -270
bartpho/utils.py
CHANGED
@@ -1,270 +1,272 @@
|
|
1 |
-
import torch
|
2 |
-
import numpy as np
|
3 |
-
from bartpho.preprocess import tokenize, normalize
|
4 |
-
|
5 |
-
|
6 |
-
tag_dict = {
|
7 |
-
"RESTAURANT#GENERAL": "chung về nhà_hàng",
|
8 |
-
"RESTAURANT#PRICES": "giá của nhà_hàng",
|
9 |
-
"RESTAURANT#MISCELLANEOUS": "tổng_quát về nhà_hàng",
|
10 |
-
"FOOD#PRICES": "giá đồ ăn",
|
11 |
-
"FOOD#QUALITY": "chất_lượng đồ ăn",
|
12 |
-
"FOOD#STYLE&OPTIONS": "phong_cách và lựa_chọn đồ ăn",
|
13 |
-
"DRINKS#PRICES": "giá đồ uống",
|
14 |
-
"DRINKS#QUALITY": "chất_lượng đồ uống",
|
15 |
-
"DRINKS#STYLE&OPTIONS": "phong_cách và lựa_chọn đồ uống",
|
16 |
-
"AMBIENCE#GENERAL": "bầu không_khí",
|
17 |
-
"SERVICE#GENERAL": "dịch_vụ",
|
18 |
-
"LOCATION#GENERAL": "vị_trí",
|
19 |
-
}
|
20 |
-
|
21 |
-
polarity_dict = {
|
22 |
-
"không có": "không có",
|
23 |
-
"positive": "tích_cực",
|
24 |
-
"neutral": "trung_lập",
|
25 |
-
"negative": "tiêu_cực"
|
26 |
-
}
|
27 |
-
|
28 |
-
polarity_list = ["không có", "tích_cực", "trung_lập", "tiêu_cực"]
|
29 |
-
tags = ["chung về nhà_hàng", "giá của nhà_hàng", "tổng_quát về nhà_hàng", "giá đồ ăn",
|
30 |
-
"chất_lượng đồ ăn", "phong_cách và lựa_chọn đồ ăn", "giá đồ uống", "chất_lượng đồ uống",
|
31 |
-
"phong_cách và lựa_chọn đồ uống", "bầu không_khí", "dịch_vụ", "vị_trí"]
|
32 |
-
eng_tags = ["RESTAURANT#GENERAL", "RESTAURANT#PRICES", "RESTAURANT#MISCELLANEOUS", "FOOD#PRICES",
|
33 |
-
"FOOD#QUALITY", "FOOD#STYLE&OPTIONS", "DRINKS#PRICES", "DRINKS#QUALITY",
|
34 |
-
"DRINKS#STYLE&OPTIONS", "AMBIENCE#GENERAL", "SERVICE#GENERAL", "LOCATION#GENERAL"]
|
35 |
-
eng_polarity = ["không có", "positive", "neutral", "negative"]
|
36 |
-
detect_labels = ['không', 'có']
|
37 |
-
no_polarity = len(polarity_list)
|
38 |
-
no_tag = len(tags)
|
39 |
-
|
40 |
-
def predict(model, text, tokenizer, model_tokenize=None,
|
41 |
-
predicts = []
|
42 |
-
|
43 |
-
model.
|
44 |
-
model.
|
45 |
-
|
46 |
-
|
47 |
-
|
48 |
-
text =
|
49 |
-
|
50 |
-
|
51 |
-
|
52 |
-
|
53 |
-
|
54 |
-
|
55 |
-
|
56 |
-
|
57 |
-
|
58 |
-
|
59 |
-
|
60 |
-
|
61 |
-
|
62 |
-
|
63 |
-
|
64 |
-
|
65 |
-
|
66 |
-
|
67 |
-
|
68 |
-
|
69 |
-
|
70 |
-
|
71 |
-
|
72 |
-
|
73 |
-
|
74 |
-
|
75 |
-
|
76 |
-
|
77 |
-
|
78 |
-
model.eval()
|
79 |
-
|
80 |
-
model.
|
81 |
-
|
82 |
-
|
83 |
-
|
84 |
-
|
85 |
-
|
86 |
-
|
87 |
-
|
88 |
-
|
89 |
-
|
90 |
-
|
91 |
-
|
92 |
-
|
93 |
-
|
94 |
-
|
95 |
-
|
96 |
-
|
97 |
-
|
98 |
-
|
99 |
-
|
100 |
-
|
101 |
-
|
102 |
-
|
103 |
-
|
104 |
-
|
105 |
-
|
106 |
-
|
107 |
-
|
108 |
-
|
109 |
-
|
110 |
-
|
111 |
-
|
112 |
-
|
113 |
-
|
114 |
-
|
115 |
-
|
116 |
-
|
117 |
-
|
118 |
-
|
119 |
-
|
120 |
-
|
121 |
-
|
122 |
-
|
123 |
-
|
124 |
-
|
125 |
-
|
126 |
-
|
127 |
-
|
128 |
-
|
129 |
-
|
130 |
-
|
131 |
-
|
132 |
-
|
133 |
-
|
134 |
-
|
135 |
-
print(f"Detect
|
136 |
-
print(f"Detect
|
137 |
-
print(f"Detect
|
138 |
-
print()
|
139 |
-
print(
|
140 |
-
print(f"Absa
|
141 |
-
print(f"Absa
|
142 |
-
print(f"Absa
|
143 |
-
|
144 |
-
|
145 |
-
|
146 |
-
|
147 |
-
|
148 |
-
|
149 |
-
|
150 |
-
model.
|
151 |
-
|
152 |
-
|
153 |
-
|
154 |
-
|
155 |
-
|
156 |
-
|
157 |
-
|
158 |
-
|
159 |
-
|
160 |
-
|
161 |
-
|
162 |
-
|
163 |
-
|
164 |
-
|
165 |
-
|
166 |
-
|
167 |
-
|
168 |
-
|
169 |
-
|
170 |
-
|
171 |
-
|
172 |
-
|
173 |
-
|
174 |
-
|
175 |
-
|
176 |
-
|
177 |
-
|
178 |
-
|
179 |
-
|
180 |
-
|
181 |
-
|
182 |
-
|
183 |
-
|
184 |
-
|
185 |
-
|
186 |
-
|
187 |
-
|
188 |
-
|
189 |
-
|
190 |
-
|
191 |
-
|
192 |
-
|
193 |
-
|
194 |
-
|
195 |
-
|
196 |
-
|
197 |
-
|
198 |
-
|
199 |
-
|
200 |
-
|
201 |
-
|
202 |
-
|
203 |
-
|
204 |
-
|
205 |
-
|
206 |
-
|
207 |
-
model.
|
208 |
-
|
209 |
-
|
210 |
-
|
211 |
-
|
212 |
-
|
213 |
-
|
214 |
-
|
215 |
-
|
216 |
-
|
217 |
-
|
218 |
-
|
219 |
-
|
220 |
-
|
221 |
-
|
222 |
-
|
223 |
-
|
224 |
-
if
|
225 |
-
|
226 |
-
|
227 |
-
|
228 |
-
|
229 |
-
|
230 |
-
|
231 |
-
|
232 |
-
|
233 |
-
|
234 |
-
if
|
235 |
-
|
236 |
-
|
237 |
-
|
238 |
-
|
239 |
-
|
240 |
-
|
241 |
-
|
242 |
-
|
243 |
-
|
244 |
-
|
245 |
-
|
246 |
-
|
247 |
-
|
248 |
-
|
249 |
-
|
250 |
-
|
251 |
-
|
252 |
-
|
253 |
-
|
254 |
-
|
255 |
-
|
256 |
-
|
257 |
-
|
258 |
-
|
259 |
-
|
260 |
-
|
261 |
-
|
262 |
-
print(f"Detect
|
263 |
-
print(f"Detect
|
264 |
-
print()
|
265 |
-
print(f"
|
266 |
-
print(
|
267 |
-
print(f"Absa
|
268 |
-
print(f"Absa
|
269 |
-
|
270 |
-
|
|
|
|
|
|
1 |
+
import torch
|
2 |
+
import numpy as np
|
3 |
+
from bartpho.preprocess import tokenize, normalize
|
4 |
+
|
5 |
+
|
6 |
+
tag_dict = {
|
7 |
+
"RESTAURANT#GENERAL": "chung về nhà_hàng",
|
8 |
+
"RESTAURANT#PRICES": "giá của nhà_hàng",
|
9 |
+
"RESTAURANT#MISCELLANEOUS": "tổng_quát về nhà_hàng",
|
10 |
+
"FOOD#PRICES": "giá đồ ăn",
|
11 |
+
"FOOD#QUALITY": "chất_lượng đồ ăn",
|
12 |
+
"FOOD#STYLE&OPTIONS": "phong_cách và lựa_chọn đồ ăn",
|
13 |
+
"DRINKS#PRICES": "giá đồ uống",
|
14 |
+
"DRINKS#QUALITY": "chất_lượng đồ uống",
|
15 |
+
"DRINKS#STYLE&OPTIONS": "phong_cách và lựa_chọn đồ uống",
|
16 |
+
"AMBIENCE#GENERAL": "bầu không_khí",
|
17 |
+
"SERVICE#GENERAL": "dịch_vụ",
|
18 |
+
"LOCATION#GENERAL": "vị_trí",
|
19 |
+
}
|
20 |
+
|
21 |
+
polarity_dict = {
|
22 |
+
"không có": "không có",
|
23 |
+
"positive": "tích_cực",
|
24 |
+
"neutral": "trung_lập",
|
25 |
+
"negative": "tiêu_cực"
|
26 |
+
}
|
27 |
+
|
28 |
+
polarity_list = ["không có", "tích_cực", "trung_lập", "tiêu_cực"]
|
29 |
+
tags = ["chung về nhà_hàng", "giá của nhà_hàng", "tổng_quát về nhà_hàng", "giá đồ ăn",
|
30 |
+
"chất_lượng đồ ăn", "phong_cách và lựa_chọn đồ ăn", "giá đồ uống", "chất_lượng đồ uống",
|
31 |
+
"phong_cách và lựa_chọn đồ uống", "bầu không_khí", "dịch_vụ", "vị_trí"]
|
32 |
+
eng_tags = ["RESTAURANT#GENERAL", "RESTAURANT#PRICES", "RESTAURANT#MISCELLANEOUS", "FOOD#PRICES",
|
33 |
+
"FOOD#QUALITY", "FOOD#STYLE&OPTIONS", "DRINKS#PRICES", "DRINKS#QUALITY",
|
34 |
+
"DRINKS#STYLE&OPTIONS", "AMBIENCE#GENERAL", "SERVICE#GENERAL", "LOCATION#GENERAL"]
|
35 |
+
eng_polarity = ["không có", "positive", "neutral", "negative"]
|
36 |
+
detect_labels = ['không', 'có']
|
37 |
+
no_polarity = len(polarity_list)
|
38 |
+
no_tag = len(tags)
|
39 |
+
|
40 |
+
def predict(model, text, tokenizer, model_tokenize=None, processed=True, printout=False):
|
41 |
+
predicts = []
|
42 |
+
device = 'cpu'
|
43 |
+
model.to(device)
|
44 |
+
model.eval()
|
45 |
+
model.config.use_cache = False
|
46 |
+
|
47 |
+
if not processed:
|
48 |
+
text = normalize(text)
|
49 |
+
text = tokenize(text, model_tokenize)
|
50 |
+
|
51 |
+
for i in range(no_tag):
|
52 |
+
tag = tags[i]
|
53 |
+
score_list = []
|
54 |
+
input_ids = tokenizer([text] * no_polarity, return_tensors='pt')['input_ids']
|
55 |
+
target_list = ["Nhận_xét " + tag.lower() + " " + polarity.lower() + " ." for polarity in polarity_list]
|
56 |
+
output_ids = tokenizer(target_list, return_tensors='pt', padding=True, truncation=True)['input_ids']
|
57 |
+
|
58 |
+
with torch.no_grad():
|
59 |
+
output = model(input_ids=input_ids.to(device), decoder_input_ids=output_ids.to(device))[0]
|
60 |
+
logits = output.softmax(dim=-1).to('cpu').numpy()
|
61 |
+
for m in range(no_polarity):
|
62 |
+
score = 1
|
63 |
+
for n in range(logits[m].shape[0] - 2):
|
64 |
+
score *= logits[m][n][output_ids[m][n+1]]
|
65 |
+
score_list.append(score)
|
66 |
+
predict = np.argmax(score_list)
|
67 |
+
predicts.append(predict)
|
68 |
+
|
69 |
+
if printout:
|
70 |
+
result = {}
|
71 |
+
for i in range(no_tag):
|
72 |
+
if predicts[i] != 0:
|
73 |
+
result[eng_tags[i]] = eng_polarity[predicts[i]]
|
74 |
+
print(result)
|
75 |
+
return predicts
|
76 |
+
|
77 |
+
def predict_df(model, df, tokenizer=None, model_tokenize=None, tokenizer_name='vinai/bartpho-word-base', processed=True, printout=True):
|
78 |
+
model.eval()
|
79 |
+
device = 'cpu'
|
80 |
+
model.to(device)
|
81 |
+
model.config.use_cache = False
|
82 |
+
if not tokenizer:
|
83 |
+
tokenizer = AutoTokenizer.from_pretrained(tokenizer_name)
|
84 |
+
|
85 |
+
count_acc = count_detect = f1_detect = f1_absa = pre_detect = rec_detect = pre_absa = rec_absa = 0
|
86 |
+
total_f1 = len(df)
|
87 |
+
total = len(df) * no_tag
|
88 |
+
|
89 |
+
for i in range(total_f1):
|
90 |
+
text = df['text'][i]
|
91 |
+
labels = [df[x][i] for x in eng_tags]
|
92 |
+
predicts = predict(model, text, tokenizer, model_tokenize, device, processed)
|
93 |
+
|
94 |
+
labels_detect = [i for i in range(no_tag) if labels[i] != 0]
|
95 |
+
predicts_detect = [i for i in range(no_tag) if predicts[i] != 0]
|
96 |
+
common_detect = [x for x in labels_detect if x in predicts_detect]
|
97 |
+
|
98 |
+
if common_detect:
|
99 |
+
precision_detect = len(common_detect) / len(predicts_detect)
|
100 |
+
recall_detect = len(common_detect) / len(labels_detect)
|
101 |
+
f1_detect += (2 * precision_detect * recall_detect / (precision_detect + recall_detect))
|
102 |
+
pre_detect += precision_detect
|
103 |
+
rec_detect += recall_detect
|
104 |
+
|
105 |
+
labels_absa = [str(i) + '-' + str(labels[i]) for i in range(no_tag) if labels[i] != 0]
|
106 |
+
predicts_absa = [str(i) + '-' + str(predicts[i]) for i in range(no_tag) if predicts[i] != 0]
|
107 |
+
common_absa = [x for x in labels_absa if x in predicts_absa]
|
108 |
+
|
109 |
+
if common_absa:
|
110 |
+
precision_absa = len(common_absa) / len(predicts_absa)
|
111 |
+
recall_absa = len(common_absa) / len(labels_absa)
|
112 |
+
f1_absa += (2 * precision_absa * recall_absa / (precision_absa + recall_absa))
|
113 |
+
pre_absa += precision_absa
|
114 |
+
rec_absa += recall_absa
|
115 |
+
|
116 |
+
for j in range(no_tag):
|
117 |
+
if labels[j] == predicts[j]:
|
118 |
+
count_acc += 1
|
119 |
+
count_detect += 1
|
120 |
+
else:
|
121 |
+
if labels[j] != 0 and predicts[j] != 0:
|
122 |
+
count_detect += 1
|
123 |
+
|
124 |
+
acc_detect = count_detect / total
|
125 |
+
pre_detect = pre_detect / total_f1
|
126 |
+
rec_detect = rec_detect / total_f1
|
127 |
+
f1_detect = f1_detect / total_f1
|
128 |
+
|
129 |
+
acc = count_acc / total
|
130 |
+
pre_absa = pre_absa / total_f1
|
131 |
+
rec_absa = rec_absa / total_f1
|
132 |
+
f1_absa = f1_absa / total_f1
|
133 |
+
|
134 |
+
if printout:
|
135 |
+
print(f"Detect acc: {acc_detect:.4f}%")
|
136 |
+
print(f"Detect precision: {pre_detect:.4f}%")
|
137 |
+
print(f"Detect recall: {rec_detect:.4f}%")
|
138 |
+
print(f"Detect f1: {f1_detect:.4f}%")
|
139 |
+
print()
|
140 |
+
print(f"Absa acc: {acc:.4f}%")
|
141 |
+
print(f"Absa precision: {pre_absa:.4f}%")
|
142 |
+
print(f"Absa recall: {rec_absa:.4f}%")
|
143 |
+
print(f"Absa f1: {f1_absa:.4f}%")
|
144 |
+
|
145 |
+
return acc_detect, pre_detect, rec_detect, f1_detect, acc, pre_absa, rec_absa, f1_absa
|
146 |
+
|
147 |
+
def predict_detect(model, text, tokenizer, model_tokenize=None, processed=True, printout=False):
|
148 |
+
detect_predicts = []
|
149 |
+
device = 'cpu'
|
150 |
+
model.to(device)
|
151 |
+
model.eval()
|
152 |
+
model.config.use_cache = False
|
153 |
+
|
154 |
+
if not processed:
|
155 |
+
text = normalize(text)
|
156 |
+
text = tokenize(text, model_tokenize)
|
157 |
+
|
158 |
+
for i in range(no_tag):
|
159 |
+
tag = tags[i]
|
160 |
+
detect_score_list = []
|
161 |
+
input_ids = tokenizer([text] * 2, return_tensors='pt')['input_ids']
|
162 |
+
target_list = [tag.lower() + " " + detect_label.lower() + " được nhận_xét ." for detect_label in detect_labels]
|
163 |
+
output_ids = tokenizer(target_list, return_tensors='pt', padding=True, truncation=True)['input_ids']
|
164 |
+
|
165 |
+
with torch.no_grad():
|
166 |
+
output = model(input_ids=input_ids.to(device), decoder_input_ids=output_ids.to(device))[0]
|
167 |
+
logits = output.softmax(dim=-1).to('cpu').numpy()
|
168 |
+
for m in range(2):
|
169 |
+
detect_score = 1
|
170 |
+
for n in range(logits[m].shape[0] - 2):
|
171 |
+
detect_score *= logits[m][n][output_ids[m][n+1]]
|
172 |
+
detect_score_list.append(detect_score)
|
173 |
+
detect_predict = np.argmax(detect_score_list)
|
174 |
+
detect_predicts.append(detect_predict)
|
175 |
+
|
176 |
+
predicts = []
|
177 |
+
for i in range(no_tag):
|
178 |
+
if detect_predicts[i] == 0:
|
179 |
+
predicts.append(0)
|
180 |
+
else:
|
181 |
+
tag = tags[i]
|
182 |
+
score_list = []
|
183 |
+
input_ids = tokenizer([text] * (no_polarity - 1), return_tensors='pt')['input_ids']
|
184 |
+
target_list = ["Nhận_xét " + tag.lower() + " " + polarity.lower() + " ." for polarity in polarity_list if polarity != "không có"]
|
185 |
+
output_ids = tokenizer(target_list, return_tensors='pt', padding=True, truncation=True)['input_ids']
|
186 |
+
|
187 |
+
with torch.no_grad():
|
188 |
+
output = model(input_ids=input_ids.to(device), decoder_input_ids=output_ids.to(device))[0]
|
189 |
+
logits = output.softmax(dim=-1).to('cpu').numpy()
|
190 |
+
for m in range(no_polarity - 1):
|
191 |
+
score = 1
|
192 |
+
for n in range(logits[m].shape[0] - 2):
|
193 |
+
score *= logits[m][n][output_ids[m][n + 1]]
|
194 |
+
score_list.append(score)
|
195 |
+
predict = np.argmax(score_list) + 1
|
196 |
+
predicts.append(predict)
|
197 |
+
|
198 |
+
if printout:
|
199 |
+
result = {}
|
200 |
+
for i in range(no_tag):
|
201 |
+
if predicts[i] != 0:
|
202 |
+
result[eng_tags[i]] = eng_polarity[predicts[i]]
|
203 |
+
print(result)
|
204 |
+
return predicts
|
205 |
+
|
206 |
+
def predict_df_detect(model, df, tokenizer=None, model_tokenize=None, tokenizer_name='vinai/bartpho-word-base', printout=True):
|
207 |
+
model.eval()
|
208 |
+
device = 'cpu'
|
209 |
+
model.to(device)
|
210 |
+
model.config.use_cache = False
|
211 |
+
if not tokenizer:
|
212 |
+
tokenizer = AutoTokenizer.from_pretrained(tokenizer_name)
|
213 |
+
count_acc = count_detect = f1_detect = f1_absa = pre_detect = rec_detect = pre_absa = rec_absa = 0
|
214 |
+
|
215 |
+
total_f1 = len(df)
|
216 |
+
total = len(df) * no_tag
|
217 |
+
|
218 |
+
for i in range(total_f1):
|
219 |
+
text = df['text'][i]
|
220 |
+
labels = [df[x][i] for x in eng_tags]
|
221 |
+
predicts = predict(model, text, tokenizer, model_tokenize, processed, device)
|
222 |
+
|
223 |
+
labels_detect = [i for i in range(no_tag) if labels[i] != 0]
|
224 |
+
predicts_detect = [i for i in range(no_tag) if predicts[i] != 0]
|
225 |
+
common_detect = [x for x in labels_detect if x in predicts_detect]
|
226 |
+
if common_detect:
|
227 |
+
precision_detect = len(common_detect) / len(predicts_detect)
|
228 |
+
recall_detect = len(common_detect) / len(labels_detect)
|
229 |
+
f1_detect += (2 * precision_detect * recall_detect / (precision_detect + recall_detect))
|
230 |
+
pre_detect += precision_detect
|
231 |
+
rec_detect += recall_detect
|
232 |
+
|
233 |
+
labels_absa = [str(i) + '-' + str(labels[i]) for i in range(no_tag) if labels[i] != 0]
|
234 |
+
predicts_absa = [str(i) + '-' + str(predicts[i]) for i in range(no_tag) if predicts[i] != 0]
|
235 |
+
common_absa = [x for x in labels_absa if x in predicts_absa]
|
236 |
+
if common_absa:
|
237 |
+
precision_absa = len(common_absa) / len(predicts_absa)
|
238 |
+
recall_absa = len(common_absa) / len(labels_absa)
|
239 |
+
f1_absa += (2 * precision_absa * recall_absa / (precision_absa + recall_absa))
|
240 |
+
pre_absa += precision_absa
|
241 |
+
rec_absa += recall_absa
|
242 |
+
|
243 |
+
for j in range(no_tag):
|
244 |
+
if labels[j] == predicts[j]:
|
245 |
+
count_acc += 1
|
246 |
+
count_detect += 1
|
247 |
+
else:
|
248 |
+
if labels[j] != 0 and predicts[j] != 0:
|
249 |
+
count_detect += 1
|
250 |
+
|
251 |
+
acc_detect = count_detect / total
|
252 |
+
pre_detect = pre_detect / total_f1
|
253 |
+
rec_detect = rec_detect / total_f1
|
254 |
+
f1_detect = f1_detect / total_f1
|
255 |
+
|
256 |
+
acc = count_acc / total
|
257 |
+
pre_absa = pre_absa / total_f1
|
258 |
+
rec_absa = rec_absa / total_f1
|
259 |
+
f1_absa = f1_absa / total_f1
|
260 |
+
|
261 |
+
if printout:
|
262 |
+
print(f"Detect acc: {acc_detect:.4f}%")
|
263 |
+
print(f"Detect precision: {pre_detect:.4f}%")
|
264 |
+
print(f"Detect recall: {rec_detect:.4f}%")
|
265 |
+
print(f"Detect f1: {f1_detect:.4f}%")
|
266 |
+
print()
|
267 |
+
print(f"Absa acc: {acc:.4f}%")
|
268 |
+
print(f"Absa precision: {pre_absa:.4f}%")
|
269 |
+
print(f"Absa recall: {rec_absa:.4f}%")
|
270 |
+
print(f"Absa f1: {f1_absa:.4f}%")
|
271 |
+
|
272 |
+
return acc_detect, pre_detect, rec_detect, f1_detect, acc, pre_absa, rec_absa, f1_absa
|