# Hate Speech Detection and Emotion Classification Model (RoBERTa + Random Forest)
Este repositorio contiene dos modelos de aprendizaje automático entrenados para analizar comentarios de texto en redes sociales y determinar si contienen **discurso de odio** y, si es así, **cuál es la emoción predominante**.
Ambos modelos fueron entrenados utilizando embeddings generados con el modelo `cardiffnlp/twitter-roberta-base` mediante técnicas de procesamiento de lenguaje natural (PLN) y clasificación tradicional con `RandomForestClassifier`.
---
## 📁 Archivos incluidos
| Archivo | Descripción |
|----------------------------------------|-----------------------------------------------------------------------------|
| `modelo_random_forest_roberta.joblib` | Modelo binario para detectar discurso de odio (`0` = no odio, `1` = odio) |
| `modelo_emociones_random_forest.joblib`| Modelo multiclase pa…
Este archivo contiene el modelo de clasificación emocional entrenado para detectar la emoción predominante en comentarios clasificados como discurso de odio.
Fue entrenado utilizando embeddings generados con el modelo RoBERTa (`cardiffnlp/twitter-roberta-base`) aplicando *mean pooling*, y un clasificador Random Forest ajustado con parámetros balanceados.
Clases consideradas: `anger`, `disgust`, `fear`, `joy`, `neutral`, `surprise`
Entrenamiento:
- Modelo: `RandomForestClassifier`
- Parámetros: `n_estimators=200`, `max_depth=30`, `class_weight='balanced'`
- Dataset derivado del mismo corpus de discurso de odio, con anotaciones emocionales (`emocion_llm`)
Este modelo debe ser usado exclusivamente con los embeddings generados por la función `obtener_embedding_mean(texto)` para mantener coherencia con su entrenamiento.
Cargar en Python/Colab:
```python
import joblib
modelo_emocion = joblib.load("modelo_emociones_random_forest.joblib")
Este archivo contiene el modelo de clasificación binaria entrenado para detectar discurso de odio en textos, utilizando embeddings generados con RoBERTa (`cardiffnlp/twitter-roberta-base`) y un clasificador Random Forest optimizado.
El modelo fue entrenado con un dataset procesado y balanceado, utilizando técnicas de procesamiento de lenguaje natural y aprendizaje automático. Se ha guardado como `.joblib` para facilitar su carga en otros entornos sin necesidad de reentrenamiento.
Entrenado con:
- 837,000 textos
- Vectorización contextual RoBERTa
- `RandomForestClassifier` con `n_estimators=200`, `max_depth=30`