# Systém na detekciu nenávistnej reči – Bakalárska práca

**Autor**: Tetiana Mohorian  
**Škola**: Technická univerzita v Košiciach, FEI  
**Vedúci práce**: doc. Ing. Daniel Hládek, PhD.  
**Rok**: 2025

---

## 📌 Prehľad projektu

Táto bakalárska práca predstavuje komplexný systém na detekciu nenávistnej reči v slovenčine pomocou veľkých jazykových modelov (LLM). Súčasťou riešenia sú:

- 🧠 Jemne doladené modely SlovakT5 a mT5
- 🤖 Telegram bot, ktorý moderuje skupinové konverzácie v reálnom čase
- 🌐 Webová aplikácia s prehľadom klasifikácií a históriou
- 🗃️ Integrácia databáz PostgreSQL a MySQL
- 🐳 Nasadenie pomocou Docker a Kubernetes

---

## 📊 Výsledky modelov

### Tab. 1 – Výsledky tréningu modelu pomocou few-shot learning

| Modely             | Precision | Recall | F1 Score |
|--------------------|-----------|--------|----------|
| mT5-small          | 0.4923    | 0.6400 | 0.5662   |
| mT5-base           | 0.4533    | 0.6800 | 0.5440   |
| mT5-large          | 0.6473    | 0.5903 | 0.6188   |
| **Slovak-T5-base** | **0.6689**| **0.6082** | **0.6386** |
| Slovak-T5-small    | 0.6230    | 0.5748 | 0.5989   |

---

### Tab. 2 – Porovnanie modelu SlovakT5-base pred a po doladení LoRA

| Model                 | Precision | Recall | F1 Score |
|-----------------------|-----------|--------|----------|
| Slovak-T5-base        | 0.6689    | 0.6082 | 0.6386   |
| Slovak-T5-base (LoRA) | 0.7113    | 0.7859 | 0.7486   |

---

## ⚙️ Komponenty

- **Telegram Bot**: Sleduje správy, detekuje nenávistný obsah a odstraňuje ich v reálnom čase.
- **Webová Aplikácia**: Flask + React rozhranie zobrazujúce históriu detekcií.
- **Modely**: SlovakT5, mT5 – doladené pomocou PEFT / LoRA.
- **Databázy**: MySQL (bot), PostgreSQL (web).
- **Nasadenie**: Kubernetes + Google Cloud Run.

---

## 📦 Nasadenie

Všetky komponenty sú zabalené do Docker kontajnerov. Nasadenie prebieha pomocou Kubernetes (ConfigMap, Deployment, PVC, Secret).  
Bot aj web bežia v rovnakom kontajneri v rámci namespace `botspace`.

---

## 🔐 Premenné prostredia (.env)

| Premenná     | Popis                        |
|--------------|------------------------------|
| `TOKEN`      | Token Telegram bota          |
| `DB_USER`    | Užívateľ MySQL               |
| `DB_PASSWORD`| Heslo do MySQL               |
| `DB_HOST`    | Host pre databázu            |
| `DB_NAME`    | Názov databázy               |

---

## 📜 Poznámka

Tento projekt vznikol ako súčasť bakalárskej práce a demonštruje použitie moderných NLP prístupov pre analýzu toxicity v reálnom čase. Kód a architektúra boli navrhnuté tak, aby boli modulárne, rozšíriteľné a pripravené na praktické použitie v reálnych systémoch.

---

## 📚 Dataset

- **TUKE-KEMT/hate_speech_slovak**
- Dve triedy: `0 = neutrálne`, `1 = nenávistné`
- Využitý pre hodnotenie aj doladenie modelov