/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-japanese-v3
Библиотека
transformers
Опубликована
2 янв 2026

ses-mail-classifier-bert-japanese

Классификация текстаТекст → label3 профессии

Японская BERT-модель для распределения писем SES-индустрии по категориям проектов, специалистов и прочей переписки.

5 587скачиваний за 30 дней0лайковвеса обновлены2 янв 2026

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

SES Industry Email Classifier — модель классификации деловых писем японской SES-индустрии, разработанная Наоки Хосокавой (Apple Seed LLC) на основе BERT. Она распределяет письма по трём классам: предложения проектов или вакансий (案件), представления специалистов (要員) и прочая деловая переписка (その他), помогая автоматизировать маршрутизацию и обработку почты. Модель предназначена для японского языка и использует архитектуру BERT для классификации последовательностей; содержит 138,4 млн параметров и принимает до 512 токенов. В карточке указаны accuracy 99,51% и weighted F1 0,99 на тестовой выборке.

Модель подходит для предварительной сортировки большого потока писем SES и направления неоднозначных результатов на дополнительную проверку. Она специализирована на письмах этой отрасли и может хуже работать на других типах почты. Для класса «прочее» указана полнота 60% на малой выборке; длинные входы обрезаются до 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • сортировка писем SES о проектах и вакансиях
  • выявление писем с представлениями инженеров
  • маршрутизация деловой переписки SES по категориям
  • предварительная классификация большого потока японских писем
  • отбор писем для дополнительной проверки при низкой уверенности

Ограничения

Модель оптимизирована для писем японской SES-индустрии и может хуже обобщаться на другие типы переписки. Для класса «прочее» полнота составила 60% на малой выборке; входы длиннее 512 токенов обрезаются.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SES Industry Email Classifier (BERT Japanese)

🎯 A BERT-based model for automatically classifying business emails in Japan's SES (System Engineering Service) industry

This model classifies emails commonly exchanged in Japan's IT staffing industry with high accuracy, enabling automated email routing and workflow optimization.

📊 Performance

MetricScore
Accuracy99.51%
F1 (weighted)0.99
Precision (weighted)1.00
Recall (weighted)1.00

Per-Class Performance

ClassPrecisionRecallF1-ScoreSupport
案件 (Project)1.001.001.00486
要員 (Talent)0.991.001.00721
その他 (Other)1.000.600.7515

📌 Model Overview

ItemDescription
Base Modeltohoku-nlp/bert-base-japanese-v3
Task3-class classification
LanguageJapanese
Max Input512 tokens (~1000 characters)
Training Data~4,900 SES industry emails
Test Data~1,200 emails (held-out)

🏷️ Classification Labels

IDLabelDescriptionExample
0案件 (Project)Project/job opportunity postings"【案件】PM募集 60万〜 新宿 即日"
1要員 (Talent)Engineer/talent introduction"【ご紹介】インフラエンジニア 30代"
2その他 (Other)Other business emailsMeeting requests, general correspondence

🚀 Usage

Pipeline (Recommended)

from transformers import pipeline

classifier = pipeline(
    "text-classification", 
    model="naoki-hosokawa/ses-mail-classifier-bert-japanese"
)

# Project email example
result = classifier("【案件】Java開発 60万〜80万 渋谷 即日〜長期 面談1回")
print(result)
# [{'label': '案件', 'score': 0.98}]

# Talent email example
result = classifier("【ご紹介】Javaエンジニア 40代男性 都内在住 即日稼働可能 希望単価55万")
print(result)
# [{'label': '要員', 'score': 0.95}]

Direct Model Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "naoki-hosokawa/ses-mail-classifier-bert-japanese"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

text = "【案件】Python開発 リモート可 50万〜"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.softmax(outputs.logits, dim=-1)

labels = ["案件", "要員", "その他"]
predicted_label = labels[predictions.argmax().item()]
confidence = predictions.max().item()

print(f"Classification: {predicted_label} (Confidence: {confidence:.2%})")

Batch Processing

from transformers import pipeline

classifier = pipeline(
    "text-classification", 
    model="naoki-hosokawa/ses-mail-classifier-bert-japanese",
    device=0  # Use GPU
)

emails = [
    "【案件】AWS構築 フルリモート 55万〜",
    "【ご紹介】クラウドエンジニア 経験5年",
    "明日の会議は15時からでお願いします",
]

results = classifier(emails, batch_size=32)
for email, result in zip(emails, results):
    print(f"{result['label']}: {email[:30]}...")

🎓 Training Details

Training Data

  • Source: Real business emails from Japan's SES industry
  • Preprocessing: Subject + body concatenated, truncated to 1000 characters
  • Split: 4,399 train / 489 validation / 1,222 test

Training Configuration

  • Epochs: 5
  • Batch Size: 8
  • Learning Rate: 5e-5 (default)
  • Warmup Steps: 10
  • Weight Decay: 0.01
  • Best Model Selection: Based on F1 score

Training Environment

  • Google Colab (T4 GPU)
  • Training Time: ~38 minutes

⚠️ Limitations

  • Domain-Specific: Optimized for SES industry emails; may not generalize to other email types
  • "Other" Class: Lower recall (60%) due to limited samples; consider LLM fallback for low-confidence predictions
  • Input Length: Texts exceeding 512 tokens will be truncated
  • Language: Japanese only

🔧 Technical Details

Why BERT?

AspectBERTLLM (GPT, etc.)
Inference Speed◎ Fast△ Slow
Inference Cost◎ Low× High
Classification Accuracy○ Good◎ Excellent
Batch Processing◎ Efficient△ Costly

For high-volume email processing (100K+ emails/month), using BERT as a pre-filter significantly reduces LLM API costs while maintaining accuracy.

📜 License

Apache License 2.0

This model follows the license of the base model tohoku-nlp/bert-base-japanese-v3.

🙏 Acknowledgments

📬 Author

  • Author: Naoki Hosokawa
  • Organization: Apple Seed LLC (合同会社アップルシード)
  • Location: K-1 Building 3F, 1-8-18 Ebisu, Shibuya-ku, Tokyo, Japan

⭐ If you find this model useful, please give it a star!

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
f61bc71

0 моделей