DistilGPTEN

Grooming Detection – DistilGPT-2 (EN)

Tento repozitár obsahuje jemne doladený model DistilGPT-2 určený na binárnu klasifikáciu anglických textových konverzácií. Model deteguje potenciálne groomingové alebo rizikové správanie v online komunikácii.

Model bol trénovaný v rámci experimentálneho porovnania generatívnych a encoder-based architektúr.

---

Základný model
distilgpt2

Jazyk
angličtina

Typ úlohy
binárna klasifikácia textu
0 = bezpečný obsah
1 = rizikový / groomingový obsah

---

Výsledky na testovacej množine

Accuracy: 0.933
F1-score: 0.929
Precision: 0.971
Recall: 0.892

Konfúzna matica
TN: 37
FP: 1
FN: 4
TP: 33

Model dosahuje veľmi dobré výsledky v anglickom jazyku. Pri experimentoch sa však ukázalo, že DistilGPT-2 nie je vhodný pre slovenský jazyk bez jazykovo špecifického predtrénovania.

---

Obsah repozitára

• model.safetensors
• config.json
• tokenizer.json
• tokenizer_config.json
• special_tokens_map.json
• epoch_results.csv
• training_log.txt

---

Použitie

Model je pripravený na použitie cez knižnicu transformers ako AutoModelForSequenceClassification.

---

Poznámka

Tento model je určený primárne pre anglické dáta. Použitie na iné jazyky môže viesť k výraznému poklesu presnosti.

Autor: Patrik Gajdoš
Rok: 2025