README.md

---
license: mit
language:
- fr
pipeline_tag: text-classification
tags:
- creatif
- Nekolien
- IA nekolienne
- classification de texte
---
## 🌸 Nekoline-classify : Le Classificateur Bilingue (Français/Nekolien) 🐱

![Nekoline](http://www.image-heberg.fr/files/17594209891328015923.jpg)

### 🎀 Introduction Mignonne 🎀

Bonjour et bienvenue dans l'univers de **Nekoline-classify** \! Je suis **Clemylia** (18 ans), et je suis ravie de partager avec vous mon tout premier modèle de classification de texte basé sur ma propre langue inventée : le **Nekolien** \! 💖 Ce modèle simple, mais efficace, a été entraîné avec **PyTorch** et est prêt à vous aider à distinguer le Nekolien du Français. C'est l'outil parfait pour tous ceux qui souhaitent explorer cette langue unique \! ✨

### 🎯 Objectif et Tâche du Modèle

**Nekoline-classify** est un modèle de **classification binaire de texte**. Sa mission est de déterminer si une phrase donnée est écrite en **Français** ou en **Nekolien** (correcte).

**Tâche :** Identifier la langue d'une phrase.

**Entrée :** Une chaîne de caractères (une phrase).

**Sortie :** Une prédiction binaire (0 ou 1).

| Valeur de Sortie | Langue Identifiée |
| :---: | :---: |
| **0** | 🇫🇷 **Français** |
| **1** | 🐱 **Nekolien** (Correct) |

-----

## 🛠️ Utilisation et Installation Rapide

Ce modèle a été créé avec **PyTorch**, mais il est facilement utilisable via la librairie **`transformers`** de Hugging Face.

### 💻 Installation

Assurez-vous d'avoir les librairies nécessaires installées :

```bash
pip install torch transformers
```

### 🦄 Exemple d'Utilisation

Voici comment vous pouvez rapidement charger et utiliser **Nekoline-classify** :

```python
from transformers import pipeline

# Charger le classificateur
# (Le chemin "Clemylia/Nekoline-classify" est un exemple, 
# il faudra le remplacer par votre identifiant réel si c'est différent)
classifier = pipeline("text-classification", model="Clemylia/Nekoline-classify") 

# --- Exemples de phrases ---

phrase_fr = "J'aime beaucoup les chats et l'intelligence artificielle."
phrase_nekolien = "Neko-li kyo miwa ai-desu." # Exemple hypothétique en Nekolien

# Prédiction
result_fr = classifier(phrase_fr)
result_nekolien = classifier(phrase_nekolien)

# Affichage des résultats
print(f"Phrase : '{phrase_fr}'\nRésultat : {result_fr}")
print(f"Phrase : '{phrase_nekolien}'\nRésultat : {result_nekolien}")

# 💡 Astuce : Le champ 'label' contiendra 'LABEL_0' (Français) ou 'LABEL_1' (Nekolien).
```

-----

## 🧠 Détails Techniques et Entraînement

### ⚙️ Architecture

  * **Type de Modèle :** Classificateur de texte (basé sur une architecture de type *Transformer* ou *RNN/CNN**)
  * **Framework :** **PyTorch** 🌟
  * **Langue Inventée :** **Le Nekolien** (créée par Clemylia ✍️)

### 📊 Jeu de Données

Le modèle a été entraîné sur un jeu de données contenant des exemples équilibrés de :

1.  Phrases en **Français** 🇫🇷
2.  Phrases en **Nekolien** (correct et conforme à la grammaire de cette langue) 🐱

<!-- end list -->

  * **Taille du Dataset :** *[40]
  * **Source :** Données générées par **Clemylia** pour le Nekolien et collectées/synthétisées pour le Français.

-----

## 📜 Limitations et Usage Éthique

### ⚠️ Limitations

  * **Langue Spécifique :** Le modèle n'est entraîné que pour le Français et le Nekolien. Il **ne reconnaîtra pas** d'autres langues (Anglais, Espagnol, etc.) et pourrait les classer par erreur comme 0 ou 1.
  * **Nekolien Imparfait :** Si une phrase en Nekolien est incorrecte ou grammaticalement fausse, le modèle pourrait la classer comme 'Français' (0) ou une autre classe inattendue.

### 💖 Usage Éthique

Ce modèle est destiné à des fins éducatives, de divertissement et de recherche linguistique. Il n'est pas conçu pour des tâches critiques et ne doit pas être utilisé pour :

  * L'identification de l'utilisateur ou la surveillance.
  * La classification de contenu sensible ou haineux.

-----

## 👩‍💻 Qui est la créatrice ?

Bonjour ! Je suis Clemylia, une jeune développeuse d'IA de 18 ans, passionnée par la création de mondes et de modèles. J'ai déjà publié d'autres modèles d'IA, mais Nekoline-classify est mon tout premier modèle axé sur ma langue inventée, le Nekolien ! 🐱 C'est le fruit de mes expérimentations en PyTorch, et j'espère qu'il vous plaira !

## *Merci d'utiliser mon modèle \! N'hésitez pas à laisser un petit cœur \!* 💜

**Exemple de code pour utiliser** :

```
import torch
import torch.nn as nn
from huggingface_hub import hf_hub_download

HF_USERNAME = "Clemylia"
MODEL_NAME = "nekoline-classify"
REPO_ID = f"{HF_USERNAME}/{MODEL_NAME}"
FILE_IN_REPO = "pytorch_model.pth" # Le nomia di le fichieria que niy ave envoyallia

class LanguageClassifier(nn.Module):
    """La memia structureia di modellia que niy ave entrainallia."""
    def __init__(self):
        super(LanguageClassifier, self).__init__()
        # 1 input (longallia) -> 5 neuronia cachia
        self.layer_1 = nn.Linear(1, 5) 
        self.relu = nn.ReLU()
        # 5 neuronia cachia -> 2 outputs (Français/Polyien)
        self.layer_2 = nn.Linear(5, 2)

    def forward(self, x):
        x = self.layer_1(x)
        x = self.relu(x)
        x = self.layer_2(x)
        return x

print(f"--- Telechargallia le fichieria '{FILE_IN_REPO}' di {REPO_ID} ---")

model_local_path = hf_hub_download(
    repo_id=REPO_ID, 
    filename=FILE_IN_REPO
)

print(f"✅ Poidsia telechargallia a : {model_local_path}")

loaded_model = LanguageClassifier()

loaded_model.load_state_dict(torch.load(model_local_path))
loaded_model.eval() # Metallia la modellia en mode évaluationia

print("✅ Modellia Nekoline-classify chargallia e prêta par le testia !")

def classify_text_from_hub(text, model_to_test):
    """Teste un texte en utilisant la longallia comme feature."""
    
    # Preparallia l'input (longallia)
    input_feature = torch.tensor([len(text)], dtype=torch.float32)
    
    with torch.no_grad():
        output = model_to_test(input_feature)
        _, predicted = torch.max(output.data, 0)
        
    langue = "Polyien" if predicted.item() == 1 else "Français"
    print(f"'{text}' (Longallia: {len(text)}) -> Predictallia: {langue}")


print("\n--- Resultatia di Testia cu Modellia Chargallia depuisia Hugging Face ---")

# Français (Label 0 attendu)
classify_text_from_hub("Je teste le chargement du modèle depuis le hub.", loaded_model)
classify_text_from_hub("Le codage est amusant et éducatif.", loaded_model)

# Polyien (Label 1 attendu)
classify_text_from_hub("Ji testa le chargallia di le modellia depuisia le huba.", loaded_model)
classify_text_from_hub("Le codallia eta amusanta e educativa.", loaded_model)
```

polyiens : autre nom du Nekolien