library_name: transformers tags:

• 文本分类
• 垃圾信息检测
• 短信
• BERT
• 多语言 datasets:
• 短信垃圾清洗数据集 language:
• 韩语 base_model: bert-base-multilingual-cased model_architecture: bert license: apache-2.0

短信垃圾信息分类器

训练数据是通过直接处理韩语短信创建的。如果您对数据集感兴趣，请联系我们。

该模型是基于BERT多语言模型微调的，用于检测短信垃圾信息。可以将短信分类为正常(非垃圾)或垃圾。模型基于Hugging Face Transformers库的**bert-base-multilingual-cased**模型训练而成。

模型详情

• 基础模型: bert-base-multilingual-cased
• 任务: 文本分类(序列分类)
• 支持语言: 多语言
• 标签数量: 2 (正常, 垃圾)
• 数据集: 清洗过的短信垃圾数据集

数据集信息

用于训练和评估的数据集包含标记为正常(非垃圾)或垃圾的短信。数据经过预处理后按以下比例划分：

• 训练数据: 80%
• 验证数据: 20%

训练配置

• 学习率: 2e-5
• 批大小: 8 (每设备)
• 训练轮数: 1
• 评估策略: 按轮次
• 分词器: bert-base-multilingual-cased

该模型使用Hugging Face的Trainer API高效地进行了微调。

使用方法

该模型可通过Hugging Face Transformers库直接使用：

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("blockenters/sms-spam-classifier")
model = AutoModelForSequenceClassification.from_pretrained("blockenters/sms-spam-classifier")

# 输入示例
text = "恭喜您！您已获得免费巴厘岛旅行票。请回复WIN。"

# 分词和预测
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)
outputs = model(**inputs)
predictions = outputs.logits.argmax(dim=-1)

# 解码预测结果
label_map = {0: "正常", 1: "垃圾"}
print(f"预测结果: {label_map[predictions.item()]}")