korcen-ml은 기존 키워드 기반의 korcen의 우회가 쉽다는 단점을 극복하기위해 딥러닝을 통해 정확도를 한층 더 올리려는 프로젝트입니다.
KOGPT2 모델만 공개하고 있으며 모델 파일은 여기에서 확인이 가능합니다.
더 많은 모델 파일과 학습 데이터를 다운받고 싶다면 문의주세요.
데이터 문장수 | |
---|---|
VDCNN(23.4.30) | 200,000 |
VDCNN_KOGPT2(23.05.28) | 2,000,000 |
VDCNN_LLAMA2(23.09.30) | 5,000,000 |
VDCNN_LLAMA2_V2(24.06.04) | 13,000,000 |
키워드 기반 기존 라이브러리 : py version, ts version
데이터마다 욕설의 기준이 달라 오차가 있다는 걸 감안하고 확인하시기 바랍니다.
korean-malicious-comments-dataset | Curse-detection-data | kmhas_korean_hate_speech | Korean Extremist Website Womad Hate Speech Data | LGBT-targeted HateSpeech Comments Dataset (Korean) | |
---|---|---|---|---|---|
korcen | 0.7121 | 0.8415 | 0.6800 | 0.6305 | 0.4479 |
VDCNN(23.4.30) | 0.6900 | 0.4885 | 0.4885 | ||
VDCNN_KOGPT2(23.06.15) | 0.7545 | 0.7824 | 0.7055 | 0.6875 | |
VDCNN_LLAMA2(23.09.30) | 0.7762 | 0.8104 | 0.7296 | ||
VDCNN_LLAMA2_V2(24.06.04) | 0.8322 | 0.8420 | 0.7837 | 0.7120 | 0.7477 |
#py: 3.10, tf: 2.10
import tensorflow as tf
import numpy as np
import pickle
from tensorflow.keras.preprocessing.sequence import pad_sequences
maxlen = 1000
model_path = 'vdcnn_model.h5'
tokenizer_path = "tokenizer.pickle"
model = tf.keras.models.load_model(model_path)
with open(tokenizer_path, "rb") as f:
tokenizer = pickle.load(f)
def preprocess_text(text):
text = text.lower()
return text
def predict_text(text):
sentence = preprocess_text(text)
encoded_sentence = tokenizer.encode_plus(sentence,
max_length=maxlen,
padding="max_length",
truncation=True)['input_ids']
sentence_seq = pad_sequences([encoded_sentence], maxlen=maxlen, truncating="post")
prediction = model.predict(sentence_seq)[0][0]
return prediction
while True:
text = input("Enter the sentence you want to test: ")
result = predict_text(text)
if result >= 0.5:
print("This sentence contains abusive language.")
else:
print("It's a normal sentence.")
Tanat
github: Tanat05
discord: Tanat05
email: [email protected]
@misc {l._junbum_2023,
author = { {L. Junbum} },
title = { llama-2-ko-70b },
year = 2023,
url = { https://huggingface.co/beomi/llama-2-ko-70b },
doi = { 10.57967/hf/1130 },
publisher = { Hugging Face }
}
@article{exaone-3.0-7.8B-instruct,
title={EXAONE 3.0 7.8B Instruction Tuned Language Model},
author={LG AI Research},
journal={arXiv preprint arXiv:2408.03541},
year={2024}
}
모든 korcen
은 Apache-2.0
라이선스 하에 공개되고 있습니다. 모델 및 코드를 사용할 경우 라이선스 내용을 준수해주세요.
- 라이선스 고지 및 저작권 고지 필수(일반인이 접근 가능한 부분에 표시)
Copyright© All rights reserved.