🔑 KeyBERTVi - Trích xuất Từ khóa Tiếng Việt

---

📖 Giới thiệu

KeyBERTVi là công cụ trích xuất từ khóa (keyword extraction) cho tiếng Việt, lấy cảm hứng từ KeyBERT.

Cách hoạt động:

1. Tiền xử lý: Chuẩn hóa văn bản, tách từ tiếng Việt bằng VnCoreNLP
2. Named Entity Recognition: Nhận diện tên riêng (người, địa danh, tổ chức)
3. Tạo Embeddings: Sử dụng PhoBERT để tạo vector cho document và các n-grams
4. Tính Similarity: Dùng Cosine Similarity để tìm n-grams tương đồng nhất với document
5. Chọn Keywords: Lấy top-N keywords với score cao nhất

Tính năng:

• ✅ Trích xuất từ khóa đơn (unigram) và cụm từ (bigram, trigram, ...)
• ✅ Tích hợp NER để bắt tên riêng quan trọng
• ✅ Hỗ trợ đa dạng hóa kết quả (K-means clustering)
• ✅ Giao diện web thân thiện (Gradio)
• ✅ API Python đơn giản

---

📑 Mục lục

1. Yêu cầu hệ thống
2. Cài đặt
3. Cách chạy dự án
4. Sử dụng cơ bản
5. Các tham số
6. Ví dụ nâng cao
7. Khắc phục sự cố

---

🚀 Cài đặt

Bước 1: Clone repository

git clone https://github.com/NguyenTuan-UET/keyword-extraction-viet.git
cd keyword-extraction-viet

Bước 2: Cài đặt Java (nếu chưa có)

🔑 KeyBERTVi - Trích xuất Từ khóa Tiếng Việt

---

📖 Giới thiệu

KeyBERTVi là công cụ trích xuất từ khóa (keyword extraction) cho tiếng Việt, lấy cảm hứng từ KeyBERT.

Cách hoạt động:

1. Tiền xử lý: Chuẩn hóa văn bản, tách từ tiếng Việt bằng VnCoreNLP
2. Named Entity Recognition: Nhận diện tên riêng (người, địa danh, tổ chức)
3. Tạo Embeddings: Sử dụng PhoBERT để tạo vector cho document và các n-grams
4. Tính Similarity: Dùng Cosine Similarity để tìm n-grams tương đồng nhất với document
5. Chọn Keywords: Lấy top-N keywords với score cao nhất

Tính năng:

• ✅ Trích xuất từ khóa đơn (unigram) và cụm từ (bigram, trigram, ...)
• ✅ Tích hợp NER để bắt tên riêng quan trọng
• ✅ Hỗ trợ đa dạng hóa kết quả (K-means clustering)
• ✅ Giao diện web thân thiện (Gradio)
• ✅ API Python đơn giản

---

📑 Mục lục

1. Yêu cầu hệ thống
2. Cài đặt
3. Cách chạy dự án
4. Sử dụng cơ bản
5. Các tham số
6. Ví dụ nâng cao
7. Khắc phục sự cố

---

💻 Yêu cầu hệ thống

• Python: 3.8 hoặc cao hơn
• Java JDK: 8, 11, hoặc 17 (cho VnCoreNLP)
• RAM: Tối thiểu 4GB (khuyến nghị 8GB)
• Dung lượng: ~2GB cho models và dependencies

---

🚀 Cài đặt

Bước 1: Clone repository

git clone https://github.com/NguyenTuan-UET/keyword-extraction-viet.git
cd keyword-extraction-viet

Bước 2: Cài đặt Java (nếu chưa có)

Linux (Ubuntu/Debian):

sudo apt update
sudo apt install openjdk-11-jdk

Mac:

brew install openjdk@11

Windows: Download và cài đặt từ Oracle

Kiểm tra:

java -version

Bước 3: Tạo môi trường ảo Python

python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
# hoặc
.venv\\Scripts\\activate  # Windows

Bước 4: Cài đặt dependencies

pip install -r requirements.txt

Bước 5: Tải models (tự động)

Models sẽ tự động tải về khi chạy lần đầu:

• PhoBERT: ~540MB từ HuggingFace
• NER Model: ~532MB từ HuggingFace
• VnCoreNLP: ~150MB

Lưu ý: Lần chạy đầu tiên sẽ mất 5-10 phút để tải models.

---

🎮 Cách chạy dự án

Có 3 cách để chạy dự án:

1️⃣ Giao diện Web (Gradio) - Dễ nhất

Chạy lệnh:

python app.py

Mở trình duyệt tại: http://localhost:7860

2️⃣ Python API - Linh hoạt nhất

Tạo file test.py:

from pipeline import KeywordExtractorPipeline
from transformers import AutoModel, AutoModelForTokenClassification

# Load models
phobert = AutoModel.from_pretrained("vinai/phobert-base-v2")
ner_model = AutoModelForTokenClassification.from_pretrained("NlpHUST/ner-vietnamese-electra-base")

# Tạo pipeline
kw_pipeline = KeywordExtractorPipeline(phobert, ner_model)

# Trích xuất keywords
text = "Trường Đại học Công nghệ là một trong những trường hàng đầu về CNTT tại Việt Nam."
keywords = kw_pipeline(
    inputs={"text": text},
    top_n=5,
    ngram_n=(1, 2),
    min_freq=1,
    diversify_result=False
)

print(keywords)

Chạy:

python test.py

3️⃣ Command Line - Nhanh nhất

Sửa file test_file.txt với văn bản của bạn, sau đó:

python pipeline.py

---

📚 Sử dụng cơ bản

Ví dụ 1: Trích xuất từ khóa đơn giản

from pipeline import KeywordExtractorPipeline
from transformers import AutoModel, AutoModelForTokenClassification

# Load models
phobert = AutoModel.from_pretrained("vinai/phobert-base-v2")
ner_model = AutoModelForTokenClassification.from_pretrained("NlpHUST/ner-vietnamese-electra-base")
kw_pipeline = KeywordExtractorPipeline(phobert, ner_model)

# Văn bản đầu vào
text = """
Trí tuệ nhân tạo (AI) đang thay đổi cuộc sống con người. 
Machine Learning và Deep Learning là hai nhánh quan trọng của AI.
Các ứng dụng AI xuất hiện ở mọi lĩnh vực từ y tế đến giáo dục.
"""

# Trích xuất 5 keywords
keywords = kw_pipeline(inputs={"text": text}, top_n=5)

# Kết quả: [('Trí_tuệ nhân_tạo', 0.89), ('Machine_Learning', 0.85), ...]

Ví dụ 2: Trích xuất với tiêu đề

title = "Trí tuệ nhân tạo trong y tế"
text = "AI đang cách mạng hóa ngành y tế..."

keywords = kw_pipeline(
    inputs={"title": title, "text": text},  # Có title
    top_n=10
)

Lưu ý: Khi có title, nó sẽ được ghép vào đầu text và được tăng trọng số (x2).

Ví dụ 3: Trích xuất cụm từ (N-grams)

# Chỉ từ đơn (unigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 1),  # min=1, max=1
    top_n=5
)

# Từ đơn + cụm 2 từ (unigrams + bigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 2),  # min=1, max=2
    top_n=5
)

# Cụm từ 1-3 từ (unigrams + bigrams + trigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 3),  # min=1, max=3
    top_n=10
)

Ví dụ 4: Lọc theo tần suất

# Chỉ lấy keywords xuất hiện ≥2 lần
keywords = kw_pipeline(
    inputs={"text": text},
    min_freq=2,  # Lọc keywords hiếm
    top_n=10
)

Khuyến nghị:

• Văn bản ngắn (<500 từ): min_freq=1
• Văn bản trung bình (500-2000 từ): min_freq=2
• Văn bản dài (>2000 từ): min_freq=3-5

Ví dụ 5: Đa dạng hóa kết quả

# Không đa dạng hóa (lấy top keywords tương đồng nhất)
keywords = kw_pipeline(
    inputs={"text": text},
    diversify_result=False,  # Default
    top_n=5
)

# Đa dạng hóa (dùng K-means để nhóm keywords)
keywords = kw_pipeline(
    inputs={"text": text},
    diversify_result=True,  # Bật diversification
    top_n=5
)

Khi nào dùng diversify_result=True?

• ✅ Văn bản đề cập nhiều chủ đề (ví dụ: bài báo tổng hợp)
• ✅ Muốn keywords đa dạng hơn
• ❌ Văn bản một chủ đề rõ ràng → dùng False để tập trung

---

⚙️ Các tham số

Bảng tham số của kw_pipeline()

Chi tiết các tham số:

1. inputs - Văn bản đầu vào

# Chỉ có text
inputs = {"text": "Nội dung văn bản..."}

# Có cả title (title được tăng trọng số x2)
inputs = {
    "title": "Tiêu đề bài viết",
    "text": "Nội dung văn bản..."
}

2. top_n - Số lượng keywords

top_n=5   # Lấy 5 keywords
top_n=10  # Lấy 10 keywords
top_n=20  # Lấy 20 keywords

Khuyến nghị theo độ dài văn bản:

• Ngắn (<200 từ): top_n=5
• Trung bình (200-1000 từ): top_n=10
• Dài (>1000 từ): top_n=15-20

3. ngram_n - Loại cụm từ

ngram_n=(1, 1)  # Chỉ từ đơn: "AI", "y_tế", "giáo_dục"
ngram_n=(1, 2)  # Từ đơn + 2 từ: "AI", "trí_tuệ nhân_tạo"
ngram_n=(1, 3)  # 1-3 từ: "AI", "trí_tuệ nhân_tạo", "trí_tuệ nhân_tạo trong y_tế"
ngram_n=(2, 3)  # Chỉ cụm 2-3 từ (không có từ đơn)

Khuyến nghị:

• Bài báo ngắn: (1, 2)
• Bài báo khoa học: (1, 3) ⭐ Phổ biến nhất
• Tìm cụm từ chuyên ngành: (2, 3)

4. min_freq - Tần suất tối thiểu

min_freq=1  # Không lọc (giữ tất cả)
min_freq=2  # Chỉ giữ keywords xuất hiện ≥2 lần
min_freq=3  # Chỉ giữ keywords xuất hiện ≥3 lần

Khuyến nghị:

• Văn bản ngắn: min_freq=1
• Văn bản dài, muốn lọc noise: min_freq=2-3

5. diversify_result - Đa dạng hóa

diversify_result=False  # Không đa dạng (lấy keywords tương đồng nhất)
diversify_result=True   # Đa dạng hóa (dùng K-means clustering)

Cách hoạt động:

• False: Lấy top-N keywords có cosine similarity cao nhất với document
• True: Dùng K-means để nhóm keywords thành K clusters, lấy 1 đại diện mỗi cluster

---

🎯 Ví dụ nâng cao

Ví dụ 1: Bài báo tin tức

title = "Apple ra mắt iPhone 15 với nhiều cải tiến"
text = """
Apple vừa chính thức giới thiệu dòng iPhone 15 tại sự kiện đặc biệt. 
iPhone 15 Pro Max được trang bị chip A17 Bionic mạnh mẽ và camera 48MP.
Giá bán khởi điểm từ 999 USD tại thị trường Mỹ.
Sản phẩm sẽ có mặt tại Việt Nam vào tháng 10.
"""

keywords = kw_pipeline(
    inputs={"title": title, "text": text},
    top_n=8,
    ngram_n=(1, 2),
    min_freq=1,
    diversify_result=True  # Bài báo đề cập nhiều khía cạnh
)

# Kết quả có thể:
# [('iPhone_15', 0.92), ('Apple', 0.88), ('chip A17_Bionic', 0.85), 
#  ('camera 48MP', 0.82), ('giá_bán', 0.78), ...]

Ví dụ 2: Văn bản học thuật

text = """
Nghiên cứu này tập trung vào ứng dụng học sâu trong xử lý ngôn ngữ tự nhiên.
Chúng tôi đề xuất mô hình Transformer cải tiến cho bài toán dịch máy.
Kết quả thử nghiệm trên tập dữ liệu IWSLT cho thấy BLEU score tăng 3.2 điểm.
Phương pháp của chúng tôi vượt trội so với các baseline hiện tại.
"""

keywords = kw_pipeline(
    inputs={"text": text},
    top_n=10,
    ngram_n=(1, 3),  # Bắt cụm từ chuyên ngành
    min_freq=1,
    diversify_result=False  # Tập trung vào chủ đề chính
)

# Kết quả tập trung vào NLP & Deep Learning:
# [('học_sâu', 0.91), ('xử_lý ngôn_ngữ tự_nhiên', 0.89), 
#  ('mô_hình Transformer', 0.87), ('dịch_máy', 0.85), ...]

Ví dụ 3: Xử lý batch (nhiều documents)

documents = [
    "Văn bản 1 về AI...",
    "Văn bản 2 về blockchain...",
    "Văn bản 3 về IoT..."
]

all_keywords = []
for doc in documents:
    keywords = kw_pipeline(
        inputs={"text": doc},
        top_n=5,
        ngram_n=(1, 2)
    )
    all_keywords.append(keywords)

# Xử lý kết quả
for i, kws in enumerate(all_keywords):
    print(f"Document {i+1}: {kws}")

Ví dụ 4: Kết hợp tất cả tham số

# Cấu hình tối ưu cho bài báo dài, nhiều chủ đề
keywords = kw_pipeline(
    inputs={
        "title": "Tiêu đề bài báo",
        "text": "Nội dung dài..."
    },
    top_n=15,              # Lấy nhiều keywords
    ngram_n=(1, 3),        # Từ đơn đến cụm 3 từ
    min_freq=2,            # Lọc keywords hiếm
    diversify_result=True  # Đa dạng hóa
)

---

🐛 Khắc phục sự cố

Lỗi 1: ModuleNotFoundError

ModuleNotFoundError: No module named 'transformers'

Nguyên nhân: Chưa cài dependencies

Giải pháp:

pip install -r requirements.txt

Lỗi 2: Java không tìm thấy

Exception: Unable to find javac

Nguyên nhân: Chưa cài Java JDK

Giải pháp:

# Ubuntu/Debian
sudo apt install openjdk-11-jdk

# Mac
brew install openjdk@11

# Windows: Tải từ oracle.com

Lỗi 3: Model tải lâu

Nguyên nhân: Models tải từ HuggingFace lần đầu (~1.2GB)

Giải pháp: Đợi 5-10 phút. Các lần sau sẽ dùng cache.

Lỗi 4: Out of Memory

RuntimeError: CUDA out of memory

Nguyên nhân: GPU/RAM không đủ

Giải pháp:

• Giảm top_n
• Giảm ngram_n (ví dụ từ (1,3) xuống (1,2))
• Chia nhỏ văn bản nếu quá dài
• Chạy trên CPU (tự động nếu không có GPU)

Lỗi 5: Kết quả không chính xác

Nguyên nhân: Tham số chưa phù hợp

Giải pháp:

• Tăng top_n để xem nhiều kết quả hơn
• Thử diversify_result=True hoặc False
• Điều chỉnh ngram_n phù hợp với văn bản
• Tăng min_freq để lọc noise

Lỗi 6: Port 7860 đã được sử dụng

OSError: [Errno 98] Address already in use

Giải pháp:

# Kill process đang dùng port 7860
lsof -ti:7860 | xargs kill -9

# Hoặc đổi port trong app.py:
# demo.launch(server_port=7861)

---

📊 So sánh cấu hình

---

🔧 Cấu trúc dự án

keyword-extraction-viet/
├── app.py                          # Gradio web interface
├── pipeline.py                     # Main KeywordExtractorPipeline
├── requirements.txt                # Dependencies
├── test_file.txt                   # File test mẫu
├── vietnamese-stopwords-dash.txt   # Danh sách stopwords
├── model/
│   ├── keyword_extraction_utils.py # Core extraction logic
│   ├── named_entities.py           # NER functions
│   └── process_text.py             # Text preprocessing
└── pretrained-models/
    └── vncorenlp/                  # VnCoreNLP models

---

🙏 Tham khảo

1. KeyBERT - Ý tưởng gốc
2. PhoBERT - Vietnamese BERT
3. NER ELECTRA - Named Entity Recognition
4. VnCoreNLP - Vietnamese NLP toolkit
5. Underthesea - Vietnamese NLP library

---

📝 License

MIT License - Xem file LICENSE để biết chi tiết.

---

👥 Contributors

• Nguyễn Tuấn - @NguyenTuan-UET

---

📧 Liên hệ

Nếu có vấn đề hoặc câu hỏi, vui lòng tạo Issue trên GitHub.

---

min_freq=1,
diversify_result=False

)

print(keywords)

Chạy:
```bash
python test.py

---

📚 Sử dụng cơ bản

Ví dụ 1: Trích xuất từ khóa đơn giản

from pipeline import KeywordExtractorPipeline
from transformers import AutoModel, AutoModelForTokenClassification

# Load models
phobert = AutoModel.from_pretrained("vinai/phobert-base-v2")
ner_model = AutoModelForTokenClassification.from_pretrained("NlpHUST/ner-vietnamese-electra-base")
kw_pipeline = KeywordExtractorPipeline(phobert, ner_model)

# Văn bản đầu vào
text = """
Trí tuệ nhân tạo (AI) đang thay đổi cuộc sống con người. 
Machine Learning và Deep Learning là hai nhánh quan trọng của AI.
Các ứng dụng AI xuất hiện ở mọi lĩnh vực từ y tế đến giáo dục.
"""

# Trích xuất 5 keywords
keywords = kw_pipeline(inputs={"text": text}, top_n=5)

# Kết quả: [('Trí_tuệ nhân_tạo', 0.89), ('Machine_Learning', 0.85), ...]

Ví dụ 2: Trích xuất với tiêu đề

title = "Trí tuệ nhân tạo trong y tế"
text = "AI đang cách mạng hóa ngành y tế..."

keywords = kw_pipeline(
    inputs={"title": title, "text": text},  # Có title
    top_n=10
)

Lưu ý: Khi có title, nó sẽ được ghép vào đầu text và được tăng trọng số (x2).

Ví dụ 3: Trích xuất cụm từ (N-grams)

# Chỉ từ đơn (unigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 1),  # min=1, max=1
    top_n=5
)

# Từ đơn + cụm 2 từ (unigrams + bigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 2),  # min=1, max=2
    top_n=5
)

# Cụm từ 1-3 từ (unigrams + bigrams + trigrams)
keywords = kw_pipeline(
    inputs={"text": text},
    ngram_n=(1, 3),  # min=1, max=3
    top_n=10
)

Ví dụ 4: Lọc theo tần suất

# Chỉ lấy keywords xuất hiện ≥2 lần
keywords = kw_pipeline(
    inputs={"text": text},
    min_freq=2,  # Lọc keywords hiếm
    top_n=10
)

Khuyến nghị:

• Văn bản ngắn (<500 từ): min_freq=1
• Văn bản trung bình (500-2000 từ): min_freq=2
• Văn bản dài (>2000 từ): min_freq=3-5

Ví dụ 5: Đa dạng hóa kết quả

# Không đa dạng hóa (lấy top keywords tương đồng nhất)
keywords = kw_pipeline(
    inputs={"text": text},
    diversify_result=False,  # Default
    top_n=5
)

# Đa dạng hóa (dùng K-means để nhóm keywords)
keywords = kw_pipeline(
    inputs={"text": text},
    diversify_result=True,  # Bật diversification
    top_n=5
)

Khi nào dùng diversify_result=True?

• ✅ Văn bản đề cập nhiều chủ đề (ví dụ: bài báo tổng hợp)
• ✅ Muốn keywords đa dạng hơn
• ❌ Văn bản một chủ đề rõ ràng → dùng False để tập trung

---

⚙️ Các tham số

Bảng tham số của kw_pipeline()

Chi tiết các tham số:

1. inputs - Văn bản đầu vào

# Chỉ có text
inputs = {"text": "Nội dung văn bản..."}

# Có cả title (title được tăng trọng số x2)
inputs = {
    "title": "Tiêu đề bài viết",
    "text": "Nội dung văn bản..."
}

2. top_n - Số lượng keywords

top_n=5   # Lấy 5 keywords
top_n=10  # Lấy 10 keywords
top_n=20  # Lấy 20 keywords

Khuyến nghị theo độ dài văn bản:

• Ngắn (<200 từ): top_n=5
• Trung bình (200-1000 từ): top_n=10
• Dài (>1000 từ): top_n=15-20

3. ngram_n - Loại cụm từ

ngram_n=(1, 1)  # Chỉ từ đơn: "AI", "y_tế", "giáo_dục"
ngram_n=(1, 2)  # Từ đơn + 2 từ: "AI", "trí_tuệ nhân_tạo"
ngram_n=(1, 3)  # 1-3 từ: "AI", "trí_tuệ nhân_tạo", "trí_tuệ nhân_tạo trong y_tế"
ngram_n=(2, 3)  # Chỉ cụm 2-3 từ (không có từ đơn)

Khuyến nghị:

• Bài báo ngắn: (1, 2)
• Bài báo khoa học: (1, 3) ⭐ Phổ biến nhất
• Tìm cụm từ chuyên ngành: (2, 3)

4. min_freq - Tần suất tối thiểu

min_freq=1  # Không lọc (giữ tất cả)
min_freq=2  # Chỉ giữ keywords xuất hiện ≥2 lần
min_freq=3  # Chỉ giữ keywords xuất hiện ≥3 lần

Khuyến nghị:

• Văn bản ngắn: min_freq=1
• Văn bản dài, muốn lọc noise: min_freq=2-3

5. diversify_result - Đa dạng hóa

diversify_result=False  # Không đa dạng (lấy keywords tương đồng nhất)
diversify_result=True   # Đa dạng hóa (dùng K-means clustering)

Cách hoạt động:

• False: Lấy top-N keywords có cosine similarity cao nhất với document
• True: Dùng K-means để nhóm keywords thành K clusters, lấy 1 đại diện mỗi cluster

Khi nào dùng?

---

🎯 Ví dụ nâng cao

Ví dụ 1: Bài báo tin tức

title = "Apple ra mắt iPhone 15 với nhiều cải tiến"
text = """
Apple vừa chính thức giới thiệu dòng iPhone 15 tại sự kiện đặc biệt. 
iPhone 15 Pro Max được trang bị chip A17 Bionic mạnh mẽ và camera 48MP.
Giá bán khởi điểm từ 999 USD tại thị trường Mỹ.
Sản phẩm sẽ có mặt tại Việt Nam vào tháng 10.
"""

keywords = kw_pipeline(
    inputs={"title": title, "text": text},
    top_n=8,
    ngram_n=(1, 2),
    min_freq=1,
    diversify_result=True  # Bài báo đề cập nhiều khía cạnh
)

# Kết quả:
# [('iPhone_15', 0.92), ('Apple', 0.88), ('chip A17_Bionic', 0.85), 
#  ('camera 48MP', 0.82), ('giá_bán', 0.78), ...]

Ví dụ 2: Văn bản học thuật

text = """
Nghiên cứu này tập trung vào ứng dụng học sâu trong xử lý ngôn ngữ tự nhiên.
Chúng tôi đề xuất mô hình Transformer cải tiến cho bài toán dịch máy.
Kết quả thử nghiệm trên tập dữ liệu IWSLT cho thấy BLEU score tăng 3.2 điểm.
Phương pháp của chúng tôi vượt trội so với các baseline hiện tại.
"""

keywords = kw_pipeline(
    inputs={"text": text},
    top_n=10,
    ngram_n=(1, 3),  # Bắt cụm từ chuyên ngành
    min_freq=1,
    diversify_result=False  # Tập trung vào chủ đề chính
)

# Kết quả tập trung vào NLP & Deep Learning:
# [('học_sâu', 0.91), ('xử_lý ngôn_ngữ tự_nhiên', 0.89), 
#  ('mô_hình Transformer', 0.87), ('dịch_máy', 0.85), ...]

Ví dụ 3: Xử lý batch (nhiều documents)

documents = [
    "Văn bản 1 về AI...",
    "Văn bản 2 về blockchain...",
    "Văn bản 3 về IoT..."
]

all_keywords = []
for doc in documents:
    keywords = kw_pipeline(
        inputs={"text": doc},
        top_n=5,
        ngram_n=(1, 2)
    )
    all_keywords.append(keywords)

# Xử lý kết quả
for i, kws in enumerate(all_keywords):
    print(f"Document {i+1}: {kws}")

Ví dụ 4: Kết hợp tất cả tham số

# Cấu hình tối ưu cho bài báo dài, nhiều chủ đề
keywords = kw_pipeline(
    inputs={
        "title": "Tiêu đề bài báo",
        "text": "Nội dung dài..."
    },
    top_n=15,              # Lấy nhiều keywords
    ngram_n=(1, 3),        # Từ đơn đến cụm 3 từ
    min_freq=2,            # Lọc keywords hiếm
    diversify_result=True  # Đa dạng hóa
)

Gợi ý:

• Tăng top_n để xem nhiều kết quả hơn
• Thử diversify_result=True hoặc False
• Điều chỉnh ngram_n phù hợp với văn bản
• Tăng min_freq để lọc noise

📊 So sánh cấu hình

---

Tham khảo

1. KeyBERT - Ý tưởng gốc
2. PhoBERT - Vietnamese BERT
3. NER ELECTRA - Named Entity Recognition
4. VnCoreNLP - Vietnamese NLP toolkit
5. Underthesea - Vietnamese NLP library

---

License

MIT License - Xem file LICENSE để biết chi tiết.

---

Contributors

• Nguyễn Tuấn - @NguyenTuan-UET

---

Liên hệ

Nếu có vấn đề hoặc câu hỏi, vui lòng tạo Issue trên GitHub.

---