---
language:
- tr
tags:
- turkish
- content-moderation
- text-classification
- xlm-roberta
- moderation
license: mit
datasets:
- self-created
base_model: xlm-roberta-large
metrics:
- accuracy
- f1
pipeline_tag: text-classification
model-index:
- name: turkish-content-moderation
  results:
  - task:
      type: text-classification
      name: Text Classification
    dataset:
      type: self-created
      name: Turkish Content Moderation Dataset
    metrics:
      - type: accuracy
        value: 83.0
        name: Accuracy
      - type: f1
        value: 82.5
        name: Macro F1
---

# Turkish Content Moderation Model (Türkçe İçerik Moderasyonu)

XLM-RoBERTa-large tabanlı, Türkçe metinleri 7 kategoride sınıflandıran bir içerik moderasyon modelidir.

## Kategoriler

| Index | Kategori | Açıklama |
|-------|----------|----------|
| 0 | normal | Normal, zararsız içerik |
| 1 | kufur | Küfür içeren ifadeler |
| 2 | tehdit | Tehdit edici ifadeler |
| 3 | taciz | Taciz içeren ifadeler |
| 4 | nefret | Nefret söylemi |
| 5 | saka/igneleme | Şaka veya iğneleme amaçlı ifadeler |
| 6 | cinsel | Cinsel içerikli ifadeler |

## Performans

| Sınıf | F1 Skoru |
|-------|----------|
| Küfür | %94.7 |
| Normal | %85.7 |
| Cinsel | %85.7 |
| Nefret | %84.0 |
| Şaka/İğneleme | %83.8 |
| Tehdit | %80.9 |
| Taciz | %62.7 |
| **Macro F1** | **%82.5** |
| **Accuracy** | **%83.0** |

## Dataset

Bu model, kendi oluşturulan Türkçe içerik moderasyon veri seti ile fine-tune edilmiştir.

## Kullanım

```python
import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

model_name = "cibi11/turkish-content-moderation"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()

text = "Seninle konuşmak istemiyorum"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)

with torch.no_grad():
    logits = model(**inputs).logits
    probs = torch.softmax(logits, dim=-1)[0]

kategoriler = ["normal", "kufur", "tehdit", "taciz", "nefret", "saka/igneleme", "cinsel"]
for label, prob in zip(kategoriler, probs):
    print(f"{label}: %{prob.item() * 100:.1f}")

print(f"Sonuç: {kategoriler[probs.argmax()]}")
```

## Limitations

Bu model hatalı pozitif ve hatalı negatif sonuçlar üretebilir ve tek başına moderasyon kararları için yeterli değildir. Kullanım öncesinde insan denetimi önerilir.

## License

MIT

## Base Model

This model is fine-tuned from [xlm-roberta-large](https://huggingface.co/FacebookAI/xlm-roberta-large), which is released under the MIT License.