README.md

metadata

language:
  - fr
license: apache-2.0
tags:
  - classification
  - toxicité
  - sentiment
  - nlproc
base_model: xlm-roberta-base
datasets:
  - custom/dataset.csv

Goliath-text-classification-french-toxicity

Ce modèle est une classification de texte binaire basée sur l’architecture XLM-RoBERTa base fine-tunée pour détecter si un texte est toxique ou neutre.
Il a été entraîné sur un dataset personnel contenant des exemples de phrases toxiques et non toxiques.

---

🔍 Description

Ce modèle classe des phrases en deux catégories :

• neutral → phrase non toxique
• toxic → phrase toxique

Il est particulièrement adapté à des tâches de modération automatique de contenu ou de filtrage de textes nuisibles dans des applications web, chatbots, forums, etc.

---

🛠️ Utilisation

Python — Transformers

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline

tokenizer = AutoTokenizer.from_pretrained("ItsAxel/Goliath-text-classification-french-toxicity")
model = AutoModelForSequenceClassification.from_pretrained("ItsAxel/Goliath-text-classification-french-toxicity")

clf = pipeline("text-classification", model=model, tokenizer=tokenizer)

result = clf("Ce message est vraiment insultant.")
print(result)