turkish-conspiracy-detection

Türkçe Komplo Teorisi Tespit Modeli

Bu model, Türkçe metinlerde komplo teorisi tespiti yapmak için fine-tune edilmiş BERT tabanlı bir sınıflandırma modelidir.

Model Detayları

Model Açıklaması

• Geliştirici: Metinimo19
• Model Türü: Text Classification (İkili Sınıflandırma)
• Dil: Türkçe (tr)
• Temel Model: savasy/bert-base-turkish-sentiment-cased
• Fine-tuning Görevi: Komplo teorisi vs gerçek haber ayrımı
• Lisans: Apache 2.0

Model Kaynakları

• Repository: https://huggingface.co/Metinimo19/turkish-conspiracy-detection
• Temel Model: https://huggingface.co/savasy/bert-base-turkish-sentiment-cased

Kullanım

Doğrudan Kullanım

Model, Türkçe metinlerde komplo teorisi tespiti için kullanılabilir:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Model ve tokenizer'ı yükle
tokenizer = AutoTokenizer.from_pretrained("Metinimo19/turkish-conspiracy-detection")
model = AutoModelForSequenceClassification.from_pretrained("Metinimo19/turkish-conspiracy-detection")

# Örnek metin
text = "5G teknolojisi insanları kontrol etmek için tasarlanmış gizli bir sistemdir."

# Tahmin yap
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512)
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_class = torch.argmax(predictions, dim=-1).item()

# Sonuç
result = "Komplo Teorisi" if predicted_class == 1 else "Gerçek Haber"
confidence = predictions[0][predicted_class].item()
print(f"Tahmin: {result} (Güven: {confidence:.2%})")

Eğitim Detayları

Eğitim Verisi

• Veri Seti Boyutu: 1,651 Türkçe örnek
• Sınıf Dağılımı: Dengeli (yaklaşık %50 gerçek haber, %50 komplo teorisi)
• Veri Türü: Türkçe metinler (haberler, sosyal medya içerikleri, makale özetleri)

Eğitim Prosedürü

Eğitim Hiperparametreleri

• Batch Size: 16 (train ve eval)
• Learning Rate: 2e-5
• Epochs: 3
• Warmup Steps: 500
• Weight Decay: 0.01
• Optimizer: AdamW
• Mixed Precision: FP16 (GPU kullanımında)

Veri Bölünmesi

• Eğitim: %70 (1,155 örnek)
• Doğrulama: %15 (248 örnek)
• Test: %15 (248 örnek)

Değerlendirme

Test Sonuçları

Model test seti üzerinde şu performansı gösterdi:

Sınıf Tanımları

• 0: Gerçek Haber - Doğrulanabilir, güvenilir kaynaklardan gelen bilgiler
• 1: Komplo Teorisi - Kanıtlanmamış, spekülatif veya yanlış bilgiler

Sınırlamalar ve Önyargılar

Sınırlamalar

• Model sadece Türkçe metinler için eğitilmiştir
• 512 token uzunluğundaki metinlerle sınırlıdır
• Eğitim verisinin boyutu nispeten küçüktür (1,651 örnek)
• Belirli konularda (5G, aşı, uzaylılar vb.) daha fazla veri içerir

Öneriler

• Kritik kararlar için model çıktılarını tek başına kullanmayın
• Sonuçları uzman değerlendirmesiyle destekleyin
• Modelin sınırlarını göz önünde bulundurun

Teknik Özellikler

Model Mimarisi

• Temel Mimari: BERT (Bidirectional Encoder Representations from Transformers)
• Parametre Sayısı: ~110M parametre
• Sınıflandırma Katmanı: Linear layer (768 → 2)
• Aktivasyon: Softmax

Hesaplama Altyapısı

• Eğitim Platformu: Google Colab
• GPU: Tesla T4 (16GB)
• Eğitim Süresi: Yaklaşık 10-15 dakika
• Framework: PyTorch + Transformers

Nasıl Başlanır

from transformers import pipeline

# Pipeline kullanarak basit kullanım
classifier = pipeline("text-classification", model="Metinimo19/turkish-conspiracy-detection")
result = classifier("Ay'a hiç çıkmadık, tüm görüntüler sahteydi.")
print(result)

---

Bu model, eğitim ve araştırma amaçları için geliştirilmiştir. Üretim ortamında kullanmadan önce kapsamlı testler yapılması önerilir.