AI detector
1.0.0
พื้นที่เก็บข้อมูลนี้มีโค้ดและทรัพยากรสำหรับสร้างโมเดลแมชชีนเลิร์นนิงที่สามารถแยกแยะระหว่างข้อความที่เขียนโดยมนุษย์และข้อความที่สร้างโดย ChatGPT หรือโมเดล AI ที่คล้ายกัน ไฟล์ README นี้จะแนะนำคุณตลอดขั้นตอนการตั้งค่าและใช้งานโมเดล
ก่อนที่คุณจะเริ่มต้น ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้งสิ่งต่อไปนี้ในระบบของคุณ:
คุณสามารถติดตั้งไลบรารี Python ได้โดยใช้ pip :
pip install scikit-learn pandas numpyโคลนพื้นที่เก็บข้อมูล: เริ่มต้นด้วยการโคลนพื้นที่เก็บข้อมูลนี้ไปยังเครื่องของคุณ:
git clone https://github.com/your-username/chatgpt-human-detection.git
cd chatgpt-human-detectionการเตรียมข้อมูล: เตรียมชุดข้อมูลของคุณที่มีทั้งข้อความที่เขียนโดยมนุษย์และข้อความที่สร้างโดย ChatGPT ตรวจสอบให้แน่ใจว่าข้อมูลมีโครงสร้างที่ดีและติดป้ายกำกับอย่างเหมาะสม (เช่น 'มนุษย์' และ 'chatgpt')
การประมวลผลข้อมูลล่วงหน้า: ใช้ Jupyter Notebook หรือสภาพแวดล้อม Python ที่คุณต้องการเพื่อประมวลผลข้อมูลล่วงหน้า คุณอาจต้องโทเค็น สร้างเวกเตอร์ และแยกชุดข้อมูลออกเป็นชุดการฝึกและการทดสอบ
การสร้างโมเดล: สร้างและฝึกโมเดล Machine Learning ของคุณ คุณสามารถสำรวจอัลกอริธึมต่างๆ ได้ เช่น การถดถอยลอจิสติก เครื่องเวกเตอร์ที่รองรับ หรือโครงข่ายประสาทเทียม โปรดดูรหัสและเอกสารประกอบที่ให้ไว้เพื่อเป็นแนวทาง
การประเมินโมเดล: ประเมินประสิทธิภาพของโมเดลโดยใช้หน่วยเมตริก เช่น ความแม่นยำ ความแม่นยำ การเรียกคืน และคะแนน F1 ปรับแต่งโมเดลอย่างละเอียดหากจำเป็นเพื่อให้ได้ความแม่นยำตามที่ต้องการ
เมื่อคุณสร้างและฝึกโมเดลแล้ว คุณสามารถใช้โมเดลนี้เพื่อจัดประเภทข้อความว่าเป็นข้อความที่เขียนโดยมนุษย์หรือสร้างโดย ChatGPT ต่อไปนี้เป็นวิธีคาดการณ์ด้วยโมเดลของคุณ:
# Load your trained model (replace 'model_file.pkl' with your model file)
import pickle
model = pickle . load ( open ( 'model_file.pkl' , 'rb' ))
# Use the model to classify text
text_to_classify = "This is a test sentence."
prediction = model . predict ([ text_to_classify ])
if prediction [ 0 ] == 'human' :
print ( "The text is likely human-written." )
else :
print ( "The text is likely generated by ChatGPT." )โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT - ดูรายละเอียดในไฟล์ใบอนุญาต
