FlowRank/mailSort

mailSort

Classifieur d’e-mails 20 classes (catégorie + urgence), basé sur DistilBERT.

Entraîné sur FlowRank/labeled_emails (révision main, ~19,8k exemples).
Accuracy test : 96,01 % (1 900 / 1 979).

Version	Labels	Révision dataset	Révision modèle
v2 (courante)	20	main ou v2.0	main ou v2.0
v1	10	v1.0	v1.0

Labels (v2)

Chaque catégorie est déclinée en _urgent / _not_urgent : family, finance, games, human resources, medical, pets, school, software engineering, sport, work/airbus.

Inférence

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline

tok = AutoTokenizer.from_pretrained("FlowRank/mailSort", subfolder="model")
model = AutoModelForSequenceClassification.from_pretrained("FlowRank/mailSort", subfolder="model")
clf = pipeline("text-classification", model=model, tokenizer=tok, truncation=True)

text = "Subject: Insurance claim\n\nBody: I need to update my policy urgently."
print(clf(text))

Développement local

Repo Python minimal pour entraîner, évaluer et publier. Le script principal est mailsort.train.

Par défaut, le code charge la dernière version du dataset (FlowRank/labeled_emails@main).

Installation

uv sync

Entraîner + évaluer

uv run python -m mailsort.train \
  --model-name distilbert-base-uncased \
  --hub-model-id FlowRank/mailSort \
  --num-train-epochs 2

Pour épingler une version précise du dataset :

uv run python -m mailsort.train --dataset-revision v1.0

Évaluer le modèle publié

uv run python -m mailsort.eval --split test

Évalue par défaut FlowRank/mailSort (sous-dossier model/) sur FlowRank/labeled_emails@main.

Publier via Git (README + model/)

uv run python -m mailsort.prepare_model --outputs-dir outputs --model-dir model
git add README.md model
git commit -m "chore(model): update published artifacts"
git push

Le push Hub automatique via Trainer nécessite HF_TOKEN :

export HF_TOKEN="..."
uv run python -m mailsort.train --hub-model-id FlowRank/mailSort