BERT-классификатор отмечает спам среди публикаций о Tesla в X/Twitter, включая троллинг, ненормативную лексику и крайние политические взгляды.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Delphia/twitter-spam-classifier — модель классификации текста на базе BERT, обученная с помощью AutoTrain на твитах о Tesla из X/Twitter. Она относит публикации к двум классам: 0 — допустимая публикация, 1 — спам; при обучении спам связывался с троллингом, ненормативной лексикой и крайними политическими взглядами. Модель рассчитана на фильтрацию таких публикаций в потоке сообщений о Tesla.
Модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Валидационные метрики из карточки: F1 0,806, точность 0,783, полнота 0,831 и AUC 0,842. Разработчик и лицензия в доступных данных не указаны.
Модель обучена на твитах о Tesla, поэтому её качество на других темах и типах публикаций не подтверждено. Валидационная accuracy составляет 0,783; результаты могут зависеть от соответствия новых данных обучающей выборке.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Model trained on "Tesla" related tweets from X/Twitter to filter out spam tweets based on trolling, profanity, extreme political views, etc.
0 - Valid
1 - Spam
loss: 0.4916948974132538
f1: 0.8059701492537313
precision: 0.782608695652174
recall: 0.8307692307692308
auc: 0.8416783216783217
accuracy: 0.7833333333333333
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…