visolex / sphobert-hsd

SPHOBERT

SPhoBERT fine-tuned cho bài toán phân loại Hate Speech tiếng Việt.

Model Details

• Model type : Fine-tuned transformer model
• Architecture : SPhoBERT (PhoBERT với syllable-level tokenization)
• Base model : vinai/phobert-base
• Task : Hate Speech Classification
• Language : Vietnamese
• Labels : CLEAN (0), OFFENSIVE (1), HATE (2)

📊 Model Performance

Model Description

SPhoBERT fine-tuned cho bài toán phân loại Hate Speech tiếng Việt. Model này được fine-tune từ vinai/phobert-base trên dataset ViHSD (Vietnamese Hate Speech Dataset).

How to Use

Basic Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Load model and tokenizer
model_name = "visolex/hate-speech-sphobert"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Classify text
text = "Văn bản tiếng Việt cần phân loại"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_label = torch.argmax(predictions, dim=-1).item()

# Label mapping
label_names = {
    0: "CLEAN",
    1: "OFFENSIVE",
    2: "HATE"
}

print(f"Predicted label: {label_names[predicted_label]}")
print(f"Confidence scores: {predictions[0].tolist()}")

Using the Pipeline

from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="visolex/hate-speech-sphobert",
    tokenizer="visolex/hate-speech-sphobert"
)

result = classifier("Văn bản tiếng Việt cần phân loại")
print(result)

Training Details

Training Data

• Dataset: ViHSD (Vietnamese Hate Speech Dataset)
• Training samples: ~8,000 samples
• Validation samples: ~1,000 samples
• Test samples: ~1,000 samples

Training Procedure

• Framework: PyTorch + Transformers
• Optimizer: AdamW
• Learning Rate: 2e-5
• Batch Size: 32
• Epochs: Varies by model
• Max Sequence Length: 256

Label Distribution

• CLEAN (0): Normal content without offensive language
• OFFENSIVE (1): Mildly offensive content
• HATE (2): Hate speech and extremist language

Evaluation

Model được đánh giá trên test set của ViHSD với các metrics:

• Accuracy: Overall classification accuracy
• F1 Macro: Macro-averaged F1 score across all labels
• F1 Weighted: Weighted F1 score based on label frequency

Limitations and Bias

• Model chỉ được train trên dữ liệu tiếng Việt từ mạng xã hội
• Performance có thể giảm trên domain khác (email, document, etc.)
• Model có thể có bias từ dữ liệu training
• Cần đánh giá thêm trên dữ liệu real-world

Citation

Contact

License

This model is distributed under the MIT License.