Характеристики

Контекст: 512 токенов
Параметры: 4,4 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 21 окт 2022

Ссылки

Hugging Face

bert-tiny-finetuned-enron-spam-detection

mrm8488

Классификация текстаТекст → label3 профессии

Компактная модель BERT-Tiny классифицирует электронные письма, выявляя спам.

12 975скачиваний за 30 дней9лайковвеса обновлены17 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

mrm8488 дообучил компактную модель BERT-Tiny google/bert_uncased_L-2_H-128_A-2 для обнаружения спама в электронных письмах. Она использует архитектуру BERT для классификации текста, содержит 4,4 млн параметров и принимает последовательности длиной до 512 токенов.

Модель предназначена для бинарной классификации писем как спама или обычной почты. В README приведены результаты оценки на тестовом наборе: точность 98,6%, precision 98,51%, recall 98,71% и F1 98,61%. Обучение проводилось на SetFit/enron_spam.

Модель доступна в форматах PyTorch и Safetensors по лицензии Apache-2.0. Результаты оценки относятся к указанному набору данных; качество на других источниках писем не подтверждено.

Сценарии применения

фильтрация спама во входящих письмах
классификация писем как спама или обычной почты
предварительная сортировка электронной почты

Ограничения

Оценочные показатели получены на SetFit/enron_spam и могут не отражать качество на письмах из других источников или на новых типах спама. Максимальная длина входной последовательности — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-Tiny fine-tuned on Enron Spam Detection

This model is a fine-tuned version of google/bert_uncased_L-2_H-128_A-2 (aka BERT-Tiny) on an SetFit/enron_spam for Spam Dectection downstream task.

It achieves the following results on the evaluation set:

Loss: 0.0593
Precision: 0.9851
Recall: 0.9871
Accuracy: 0.986
F1: 0.9861

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	Accuracy	F1
0.1125	1.0	1983	0.0797	0.9839	0.9692	0.9765	0.9765
0.061	2.0	3966	0.0618	0.9822	0.9861	0.984	0.9842
0.0486	3.0	5949	0.0593	0.9851	0.9871	0.986	0.9861
0.048	4.0	7932	0.0588	0.9870	0.9821	0.9845	0.9846

Framework versions

Transformers 4.23.1
Pytorch 1.12.1+cu113
Datasets 2.6.1
Tokenizers 0.13.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 2f5580b