基于DistilBERT的短信垃圾邮件检测模型,在sms_spam数据集上微调,准确率达99.21%
下载量 274
发布时间 : 3/2/2022
模型简介
该模型是DistilBERT的微调版本,专门用于识别短信是否为垃圾邮件。通过轻量级架构实现了高效的文本分类能力。
模型特点
高准确率
在评估集上达到99.21%的准确率,能有效区分正常短信和垃圾短信
轻量级架构
基于DistilBERT的蒸馏架构,在保持性能的同时减少计算资源需求
快速推理
相比原始BERT模型,推理速度更快,适合实时应用场景
模型能力
文本分类
垃圾邮件检测
短文本分析
使用案例
通信安全
短信过滤系统
集成到移动通信系统中自动过滤垃圾短信
可拦截99%以上的垃圾短信
用户保护
防诈骗预警
识别潜在的诈骗短信并警告用户
减少用户受骗风险
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文