Berturk SpamSMS

🚀 土耳其語垃圾短信檢測模型

本模型基於dbmdz/bert-base-turkish-128k-uncased微調而來，專為檢測土耳其語短信中的垃圾信息設計。它能夠精準地將短信分類為正常或垃圾兩類。

✨ 主要特性

• 基於預訓練的dbmdz/bert-base-turkish-128k-uncased模型，針對土耳其語短信垃圾檢測任務進行微調。
• 能夠準確區分正常短信和垃圾短信。

📦 安裝指南

此部分原文檔未提供安裝步驟，跳過。

💻 使用示例

基礎用法

你可以使用Hugging Face的Transformers庫來使用這個模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "BaranKanat/BerTurk-SpamSMS"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

test_sms = "2000 TL DENEME BONUSU KAZANDINIZ !!! YATIRIM SARTI YOK KAZANC ve CEKIM LIMITI YOK." #SPAM SMS

inputs = tokenizer(test_sms, return_tensors="pt", truncation=True, padding=True)

with torch.no_grad():
    outputs = model(**inputs)

logits = outputs.logits
predicted_class = torch.argmax(logits, dim=1).item()

labels = ["Normal", "Spam"]  # 0: Normal, 1: Spam
print(f"Mesaj: {test_sms}")
print(f"Sonuç: {labels[predicted_class]} ({predicted_class})")

📚 詳細文檔

訓練

模型使用BERTurk分詞器和分類器進行訓練，具體配置如下：

• 模型：dbmdz/bert-base-turkish-128k-uncased
• 優化器：AdamW
• 學習率：5e - 5
• 訓練輪數：4

訓練數據集包含垃圾短信和正常短信，確保了數據的平衡。

性能

模型的各項指標將在更多數據集上測試後更新：

• 準確率：待更新。
• F1分數：待更新。
• 精確率：待更新。
• 召回率：待更新。

數據集

用於微調的數據集是土耳其語短信收集數據集，可在Kaggle上公開獲取。該數據集包含2536條垃圾短信和2215條正常短信。

關於數據集

該數據集是標記為垃圾或正常的土耳其語短信集合，數據來自土耳其不同地區不同年齡段的人群。

如果你使用此數據集，請引用以下文獻： Karasoy, O., Ballı, S. Spam SMS Detection for Turkish Language with Deep Text Analysis and Deep Learning Methods. Arab J Sci Eng (2021). https://doi.org/10.1007/s13369-021-06187-1

許可證

本模型採用CreativeML OpenRAIL - M許可證。

• 允許操作：在給予適當引用的前提下，你可以非商業性地使用、分享和修改此模型。
• 禁止操作：嚴禁將此模型或其衍生作品用於商業用途或出售。

更多詳情請參考CreativeML OpenRAIL - M許可證條款。