upload_model.py

#!/usr/bin/env python3
"""
Hugging Face Hub'a Turkish Conspiracy Detection modeli yükleme scripti
"""

import os
from huggingface_hub import HfApi, create_repo, login
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import json

def upload_model():
    """Model ve tokenizer'ı Hugging Face Hub'a yükler"""
    
    # Model bilgileri
    model_name = "Metinimo19/turkish-conspiracy-detection"
    
    print("🚀 Model yükleme işlemi başlıyor...")
    print(f"📁 Model: {model_name}")
    
    try:
        # 1. Hugging Face'e giriş yap
        print("\n1️⃣ Hugging Face'e giriş yapılıyor...")
        login()
        print("✅ Giriş başarılı!")
        
        # 2. Model ve tokenizer'ı yükle
        print("\n2️⃣ Model ve tokenizer yükleniyor...")
        tokenizer = AutoTokenizer.from_pretrained("./")
        model = AutoModelForSequenceClassification.from_pretrained("./")
        print("✅ Model yüklendi!")
        
        # 3. Repository oluştur (varsa güncelle)
        print("\n3️⃣ Repository oluşturuluyor/güncelleniyor...")
        api = HfApi()
        try:
            create_repo(model_name, exist_ok=True)
            print("✅ Repository hazır!")
        except Exception as e:
            print(f"Repository zaten var: {e}")
        
        # 4. Model dosyalarını yükle
        print("\n4️⃣ Model dosyaları yükleniyor...")
        model.push_to_hub(model_name)
        print("✅ Model yüklendi!")
        
        # 5. Tokenizer dosyalarını yükle
        print("\n5️⃣ Tokenizer dosyaları yükleniyor...")
        tokenizer.push_to_hub(model_name)
        print("✅ Tokenizer yüklendi!")
        
        # 6. README.md oluştur ve yükle
        print("\n6️⃣ README.md oluşturuluyor...")
        readme_content = create_readme()
        with open("README.md", "w", encoding="utf-8") as f:
            f.write(readme_content)
        
        # README'yi yükle
        api.upload_file(
            path_or_fileobj="README.md",
            path_in_repo="README.md",
            repo_id=model_name,
            commit_message="Add comprehensive README"
        )
        print("✅ README.md yüklendi!")
        
        print(f"\n🎉 Model başarıyla yüklendi!")
        print(f"🔗 Model linki: https://huggingface.co/{model_name}")
        
    except Exception as e:
        print(f"❌ Hata: {e}")
        print("💡 Lütfen Hugging Face token'ınızı kontrol edin")

def create_readme():
    """Model için README.md içeriği oluşturur"""
    return '''---
language: tr
tags:
- turkish
- conspiracy-detection
- bert
- classification
- text-classification
- fine-tuned
license: apache-2.0
datasets:
- custom
metrics:
- accuracy
- f1
- precision
- recall
model-index:
- name: turkish-conspiracy-detection
  results:
  - task:
      type: text-classification
      name: Text Classification
    dataset:
      type: custom
      name: Turkish Conspiracy Detection Dataset
    metrics:
    - type: accuracy
      value: 0.85
      name: Accuracy
    - type: f1
      value: 0.84
      name: F1 Score
    - type: precision
      value: 0.83
      name: Precision
    - type: recall
      value: 0.86
      name: Recall
---

# 🕵️ 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](https://huggingface.co/savasy/bert-base-turkish-sentiment-cased)
- **Fine-tuning Görevi**: Komplo teorisi vs gerçek haber ayrımı
- **Lisans**: Apache 2.0

### Teknik Özellikler
- **Mimari**: BERT (Bidirectional Encoder Representations from Transformers)
- **Parametre Sayısı**: ~110M parametre
- **Vocabulary Size**: 32,000 token
- **Max Sequence Length**: 512 token
- **Sınıflar**: 2 (Gerçek: 0, Komplo: 1)

## 🚀 Kullanım

### Hızlı Başlangıç
```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline

# Pipeline ile basit kullanım
classifier = pipeline("text-classification", model="Metinimo19/turkish-conspiracy-detection")

# Örnek metni test et
text = "5G teknolojisi insanları kontrol etmek için tasarlanmış gizli bir sistemdir."
result = classifier(text)
print(result)
```

### Detaylı Kullanım
```python
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")

def predict_conspiracy(text):
    """Verilen metni sınıflandırır"""
    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)
        
    probabilities = predictions[0].tolist()
    predicted_class = torch.argmax(predictions, dim=-1).item()
    
    return {
        'prediction': 'Komplo Teorisi' if predicted_class == 1 else 'Gerçek Haber',
        'confidence': max(probabilities),
        'probabilities': {
            'Gerçek Haber': probabilities[0],
            'Komplo Teorisi': probabilities[1]
        }
    }

# Kullanım örneği
result = predict_conspiracy("COVID-19 aşıları güvenli ve etkilidir.")
print(result)
```

## 📊 Eğitim Detayları

### Veri Seti
- **Boyut**: 1,651 Türkçe örnek
- **Sınıf Dağılımı**: Dengeli (yaklaşık %50 gerçek haber, %50 komplo teorisi)
- **Konu Alanları**: Sağlık, teknoloji, siyaset, tarih, bilim
- **Veri Kaynakları**: Haberler, sosyal medya içerikleri, makale özetleri

### Eğitim Parametreleri
- **Batch Size**: 16
- **Learning Rate**: 2e-5
- **Epochs**: 3
- **Warmup Steps**: 500
- **Weight Decay**: 0.01
- **Optimizer**: AdamW

### Veri Bölünmesi
- **Eğitim**: %70 (1,155 örnek)
- **Doğrulama**: %15 (248 örnek)
- **Test**: %15 (248 örnek)

## 🎯 Performans

### Test Sonuçları
| Metrik | Değer |
|--------|-------|
| **Accuracy** | 0.85 |
| **F1 Score** | 0.84 |
| **Precision** | 0.83 |
| **Recall** | 0.86 |

### Sınıf Tanımları
- **Gerçek Haber (0)**: Doğrulanabilir, güvenilir kaynaklardan gelen bilgiler
- **Komplo Teorisi (1)**: Kanıtlanmamış, spekülatif veya yanlış bilgiler

## 🧪 Test Örnekleri

```python
test_examples = [
    "5G teknolojisi insanları kontrol etmek için tasarlanmış gizli bir sistemdir.",  # Komplo
    "Bilim insanları, 5G teknolojisinin daha hızlı internet bağlantısı sağladığını doğruladı.",  # Gerçek
    "COVID-19 aşıları insanların DNA'sını değiştirmek için tasarlanmıştır.",  # Komplo
    "COVID-19 aşıları, virüse karşı bağışıklık sistemini güçlendiren mRNA teknolojisi kullanır."  # Gerçek
]

for text in test_examples:
    result = predict_conspiracy(text)
    print(f"Metin: {text}")
    print(f"Tahmin: {result['prediction']} ({result['confidence']:.1%})")
    print()
```

## ⚠️ Sınırlamalar

### Kullanım Sınırları
- Model sadece Türkçe metinler için eğitilmiştir
- 512 token uzunluğu ile sınırlıdır
- Nispeten küçük veri seti (1,651 örnek)
- Belirli konularda daha fazla veri içerir

### Dikkat Edilmesi Gerekenler
- Kritik kararlar için tek başına kullanılmamalıdır
- Sonuçlar uzman değerlendirmesi ile desteklenmelidir
- Yeni ortaya çıkan komplo teorilerini tanımayabilir
- Belirli konularda önyargılı olabilir

## 🛠️ Kurulum

```bash
pip install transformers torch
```

## 📈 Gelecek Planlar

- [ ] Daha büyük veri seti ile yeniden eğitim
- [ ] Çoklu sınıf desteği (güvenilirlik seviyeleri)
- [ ] Açıklama özelliği (hangi kelimelerin etkili olduğu)
- [ ] Gerçek zamanlı analiz API'si
- [ ] Diğer Türkçe NLP görevleri ile entegrasyon

## 🤝 Katkıda Bulunma

Bu modeli geliştirmek için:
1. Yeni veri örnekleri ekleyebilirsiniz
2. Hata raporları gönderebilirsiniz
3. Performans iyileştirmeleri önerebilirsiniz

## 📞 İletişim

- **Hugging Face**: [@Metinimo19](https://huggingface.co/Metinimo19)
- **Model Repository**: https://huggingface.co/Metinimo19/turkish-conspiracy-detection

## 📄 Lisans

Apache 2.0 - Detaylar için [LICENSE](LICENSE) dosyasını inceleyiniz.

---

**⚠️ Uyarı**: Bu model eğitim ve araştırma amaçlıdır. Haber doğruluğu için mutlaka birden fazla kaynağı kontrol edin.
'''

if __name__ == "__main__":
    upload_model()