Roberta Spam

🚀 RoBERTaベースのスパムメッセージ検出システム

スパムメッセージはしばしば悪意のあるリンクやフィッシング攻撃を含み、組織とそのユーザーの両方に重大な脅威をもたらします。当社のRoBERTaベースのスパムメッセージ検出システムを選ぶことで、組織はセキュリティインフラを大幅に強化することができます。このシステムはスパムメッセージを効果的に検出してフィルタリングし、潜在的な財務的損失、法的問題、および評判被害から組織を守る追加のセキュリティ層を提供します。

🚀 クイックスタート

本システムを利用することで、組織のセキュリティ体制を強化し、スパムメッセージから守ることができます。

✨ 主な機能

• スパムメッセージを高精度に検出し、フィルタリングすることができます。
• 組織を潜在的な財務的損失、法的問題、および評判被害から守ります。

📚 ドキュメント

このモデルが役に立った場合

皆様のフィードバックは重要であり、このモデルの有用性を維持するのに役立ちます。

メトリクス

損失	正確度(0.9906)	適合率(0.9971) / 再現率(0.9934)	混同行列
学習 / 検証	検証	検証	テストセット

モデル出力

• 0 は正常メッセージ
• 1 はスパムメッセージ

データセット

https://huggingface.co/datasets/mshenoda/spam-messages

このデータセットは、正常またはスパムとラベル付けされたメッセージで構成されており、3つのデータソースから統合されています。

1. SMS Spam Collection https://www.kaggle.com/datasets/uciml/sms-spam-collection-dataset
2. Telegram Spam Ham https://huggingface.co/datasets/thehamkercat/telegram-spam-ham/tree/main
3. Enron Spam: https://huggingface.co/datasets/SetFit/enron_spam/tree/main (メッセージ列とラベルのみ使用)

Enronのデータ準備スクリプトはhttps://github.com/mshenoda/roberta-spam/tree/main/data/enronで入手できます。 データは80%が学習セット、10%が検証セット、10%がテストセットに分割されています。3つのデータソースを分割および統合するために使用されるスクリプトはhttps://github.com/mshenoda/roberta-spam/tree/main/data/utilsで入手できます。

データセットのクラス分布

学習(80%)	検証(10%)	テスト(10%)
クラス分布	クラス分布	クラス分布

アーキテクチャ

このモデルはRoBERTaをファインチューニングしたものです。

• roberta-base: https://huggingface.co/roberta-base
• 論文: https://arxiv.org/abs/1907.11692

コード

https://github.com/mshenoda/roberta-spam

📄 ライセンス

このモデルはMITライセンスの下で提供されています。