SauloCav / ToxicityClassifier

This product is a software solution designed to improve content moderation on social medias

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Classificador de Toxicidade

As redes sociais permitem a interação entre muitas pessoas e influenciadores digitais, nos mais variados temas. Contribuindo em muitos casos para informação sobre doenças, melhor maneira de realizar alguma tarefa, diversão, etc. Existem alguns usuários, que não concordam as ideias e pontos de vista de outros usuários, e realizam comentários ofensivos e preconceituosos contra usuários com ideias diferentes das suas, disseminando ódio e ofendendo. Como existem muitos comentários nas redes sociais, é humanamente muito difícil analisar todos os comentários nas redes sociais. Dessa forma, uma maneira automatizada de classificar e identificar os comentários ofensivos nas redes sociais é importante para aplicação das punições cabíveis, além de encontrar contas falsas empregadas unicamente para comentários ofensivos.

Este produto é uma solução de software projetada para melhorar a moderação de conteúdo em redes sociais. À medida que as redes sociais se tornam um espaço importante para interação e compartilhamento de informações, também surgem desafios relacionados a comentários ofensivos e prejudiciais. O objetivo deste software é utilizar a inteligência artificial (IA) para identificar automaticamente esses comentários problemáticos e classificá-los com base em sua gravidade.

Instalação

  1. Clone o repositório
    git clone https://github.com/SauloCav/Projeto-Integrador-IV.git
  2. Instale os pacotes NPM
    npm install
  3. Entre no diretório do servidor e instale as dependências do Python
    pip install -r requirements.txt

Documentação básica e descrição do projeto:

Documentação do projeto:

About

This product is a software solution designed to improve content moderation on social medias

License:MIT License


Languages

Language:Jupyter Notebook 37.0%Language:TypeScript 26.2%Language:CSS 24.3%Language:Python 9.2%Language:JavaScript 1.9%Language:HTML 1.6%