README.md

---
language:
- ru
license: mit
base_model: ai-forever/ru-en-RoSBERTa
tags:
- text-classification
- toxicity
- russian
- roberta
- customer-support
metrics:
- accuracy
- f1
- roc_auc
pipeline_tag: text-classification
---

# Russian Support Toxicity Classifier

Модель для бинарной классификации токсичности русскоязычных текстов,
дообученная на основе ai-forever/ru-en-RoSBERTa.

## Описание

Модель предназначена для автоматического обнаружения токсичных, грубых
или пассивно-агрессивных сообщений в контексте службы технической поддержки.
Классифицирует текст на два класса:
- 0 — нетоксичный (нейтральный, вежливый)
- 1 — токсичный (грубость, оскорбления, агрессия)

## Архитектура

- Базовая модель: ai-forever/ru-en-RoSBERTa (RoBERTa-large, 24 слоя, 1024 hidden dim)
- Подход: Transfer Learning с заморозкой весов энкодера
- Обучается только классификационная голова (RobertaClassificationHead)
- Dropout: 0.2, Optimizer: AdamW, LR: 2e-4

## Метрики на тестовой выборке

| Метрика   | Значение |
|-----------|----------|
| Accuracy  | 0.9667   |
| Precision | 0.9654   |
| Recall    | 0.9682   |
| F1-score  | 0.9668   |
| ROC AUC   | 0.9956   |
| MCC       | 0.9335   |

## Данные

Датасет: support-toxicity-classification-ru
- Train: 11064 записей (50/50 по классам)
- Val: 1383 записей
- Test: 1383 записей

Источники:
- Токсичный класс: s-nlp/ru_paradetox (ru_toxic_comment)
- Нетоксичный класс: s-nlp/ru_paradetox (ru_neutral_comment),
  MTS-AI-SearchSkill/MTSBerquad, SetFit/amazon_massive_intent_ru-RU

## Производительность инференса

- GPU (T4): ~76 мс на 1 запрос
- CPU: ~1800 мс на 1 запрос
- Ускорение GPU/CPU: x23.6

## Пример использования

from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="YOUR_USERNAME/support-toxicity-classifier-ru"
)

result = classifier("Пожалуйста, попробуйте перезагрузить устройство")
print(result)

result = classifier("Да пошел ты, надоел уже со своими вопросами")
print(result)

## Ограничения

- Модель обучена преимущественно на интернет-комментариях, поэтому
  некоторые формы скрытой пассивной агрессии могут распознаваться
  с пониженной уверенностью (пограничные случаи около порога 0.5).
- Рекомендуемый порог классификации: 0.5 (можно снизить до 0.4
  для повышения Recall в продакшене за счёт роста FP).