File size: 2,300 Bytes
4ed3b9b 1e6b83f 0af8670 1e6b83f 0af8670 4ed3b9b 1e6b83f | 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 52 53 54 55 56 57 58 59 60 61 62 63 | ---
license: mit
base_model: deepvk/RuModernBERT-base
tags:
- russian
- spam
- classification
- moderation
- bert
- pytorch
- telegram
datasets:
- alt-gnome/telegram-spam
metrics:
- accuracy
- f1
widget:
- text: >-
🔥🔥🔥 СУПЕР АКЦИЯ!!! Переходи по ссылке и получай подарок!
http://bit.ly/...
example_title: Спам (реклама)
- text: Привет! Как твои дела? Давно не виделись
example_title: Не спам (личное сообщение)
- text: Ищешь работу? Пиши в личку, есть вакансии с высокой зарплатой
example_title: Спам (предложение работы)
- text: Скиньте, пожалуйста, контакты менеджера
example_title: Не спам (деловой запрос)
---
# spam_model
Модель для бинарной классификации спам-сообщений, дообученная на основе архитектуры `deepvk/RuModernBERT-base`.
## Описание модели
Данная модель предназначена для детекции спам-сообщений в текстовых сообщениях на русском языке. Она была получена путём дообучения (fine-tuning) предобученной модели `deepvk/RuModernBERT-base` на датасете `telegram-spam` с платформы Hugging Face.
**Метка (label):**
- **0** — не спам (ham)
- **1** — спам
Модель обучена выявлять различные виды спама, включая:
- Рекламные рассылки
- Предложения работы и вакансии
- Сомнительные коммерческие предложения
## Использование
### Загрузка с Hugging Face
```python
from transformers import pipeline
# Загрузка модели и токенизатора
classifier = pipeline(
"text-classification",
model="Farmellion/spam_model"
)
# Пример предсказания
result = classifier("🔥 СУПЕР АКЦИЯ!!! Переходи по ссылке...")
print(result)
# [{'label': 'LABEL_1', 'score': 0.99}] |