Ruspamns Big

🚀 NeuroSpaceX/ruSpamNS_big

ruSpamNS_big 是一個用於 Telegram 俄語垃圾信息分類模型，基於 DeepPavlov/distilrubert-small-cased-conversational 模型微調而來。它能夠有效識別 Telegram 中的垃圾信息，為用戶提供更安全的交流環境。

✨ 主要特性

• 適用場景廣泛：可用於 Telegram 中的各種場景，如聊天、群組、頻道等。
• 基於強大模型：基於 ruBERT 模型，在俄語文本處理上表現出色。
• 高效分類：能夠快速準確地識別垃圾信息。
• 官方支持：由 @NeuroSpaceX 提供技術支持。
• Telegram 機器人：提供 @ruSpamNS_bot 方便使用。

🚀 快速開始

使用該模型前，你需要申請訪問權限。請在 @NeuroSpaceX 處提交申請，申請時需提供以下信息：

• 完整姓名
• 使用意圖
• 同意遵守 CC-BY-NC-ND-3.0 許可證
• 同意引用 @NeuroSpaceX

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 替換為你的 Hugging Face 令牌
hf_token = "hf_–≤–∞—à_–ø–µ—Ä—Å–æ–Ω–∞–ª—å–Ω—ã–π_—Ç–æ–∫–µ–Ω"

# 模型名稱
model_name = "NeuroSpaceX/ruSpamNS_big"
tokenizer = AutoTokenizer.from_pretrained(model_name, token=hf_token)
model = AutoModelForSequenceClassification.from_pretrained(
    model_name, 
    token=hf_token, 
    attn_implementation="eager"
)
model.eval()

# 待分類的文本
text = "–ü—Ä–∏–≤–µ—Ç, –Ω—É–∂–Ω—ã —Å–æ—Ç—Ä—É–¥–Ω–∏–∫–∏ –Ω–∞ —É–¥–∞–ª–µ–Ω–∫—É, 300 –¥–æ–ª–ª–∞—Ä–æ–≤ –≤ –Ω–µ–¥–µ–ª—é"

# 對文本進行分詞
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 進行分類
with torch.no_grad():
    logits = model(**inputs).logits
    spam_score = torch.sigmoid(logits).item()
    is_spam = spam_score >= 0.5

print(f"是否為垃圾信息: {is_spam} (垃圾信息得分: {spam_score:.2%})")

📚 詳細文檔

該模型適用於 Telegram 中的各種場景，可識別以下類型的垃圾信息：

• 廣告推廣
• 惡意鏈接
• 垃圾評論
• 其他違規信息

📄 許可證

本模型採用 CC-BY-NC-ND-3.0 許可證，具體限制如下：

• 可以在非商業項目中使用該模型。
• 可以對模型進行個人使用。
• 禁止對模型進行商業使用。
• 禁止對模型進行修改和再分發。

© NeuroSpaceX 2025

💡 使用建議

在使用該模型時，請確保你已經獲得了訪問權限，並遵守 CC-BY-NC-ND-3.0 許可證的相關規定。同時，建議你在使用前對模型進行測試，以確保其在你的場景中表現良好。