File size: 2,326 Bytes
eb72d30 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 | import numpy as np
import joblib
class SOTAHybridDetector:
"""Détecteur hybride State-of-the-Art combinant :
- Module Stylométrique : 30 features invariantes
- Module Neural : Embeddings CamemBERT gelés (768 dims)
- Méta-Classifieur : XGBoost sur le vecteur concaténé (798 dims)
Architecture conforme au blueprint SOTA juin 2026:
Phase 1: Prétraitement linguistique natif français
Phase 2: Représentation apprise légère (CamemBERT gelé)
Phase 3: Méta-Classifieur XGBoost
Phase 4: Explainabilité SHAP intégrée
"""
def __init__(self, xgb_meta, scaler_sty, scaler_emb, num_sty_features, num_emb_features,
feature_names_sty=None, feature_names_emb=None):
self.xgb_meta = xgb_meta
self.scaler_sty = scaler_sty
self.scaler_emb = scaler_emb
self.num_sty_features = num_sty_features
self.num_emb_features = num_emb_features
self.feature_names_sty = feature_names_sty or []
self.feature_names_emb = feature_names_emb or []
self.total_features = num_sty_features + num_emb_features
def _prepare_features(self, X_sty_raw, X_emb_raw):
"""Scale et concatène les features stylométriques et les embeddings."""
X_sty_scaled = self.scaler_sty.transform(X_sty_raw)
X_emb_scaled = self.scaler_emb.transform(X_emb_raw)
return np.hstack([X_sty_scaled, X_emb_scaled])
def predict_proba(self, X_sty_raw, X_emb_raw):
"""Retourne les probabilités [P(humain), P(IA)] pour chaque échantillon."""
X_combined = self._prepare_features(X_sty_raw, X_emb_raw)
return self.xgb_meta.predict_proba(X_combined)
def predict(self, X_sty_raw, X_emb_raw, threshold=0.5):
"""Retourne la classification binaire (0=Humain, 1=IA)."""
prob = self.predict_proba(X_sty_raw, X_emb_raw)[:, 1]
return (prob >= threshold).astype(int)
def predict_combined(self, X_combined_scaled):
"""Prédiction à partir du vecteur déjà combiné et scalé (pour SHAP)."""
return self.xgb_meta.predict_proba(X_combined_scaled)
def get_feature_names(self):
"""Retourne la liste complète des noms de features [sty + emb]."""
return self.feature_names_sty + self.feature_names_emb
|