albert-spam-filter

NotShrirang

Clasificación de texto

Este modelo es una versión afinada de albert-base-v2 en el conjunto de datos NotShrirang/email-spam-filter. Está diseñado principalmente para la clasificación de texto, donde puede ser utilizado para filtrar correos electrónicos de spam mediante el uso de la biblioteca de Transformers.

Como usar

El modelo se puede utilizar para la clasificación de textos en correos electrónicos para identificar spam. Aquí se muestra un ejemplo de cómo utilizar este modelo:
from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

# Cargar el modelo y el tokenizador
model_name = 'NotShrirang/albert-spam-filter'
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Texto de ejemplo
text = 'I like you. I love you'

# Tokenizar el texto
inputs = tokenizer(text, return_tensors='pt')

# Realizar la inferencia
outputs = model(**inputs)

# Obtener la predicción
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)

print(predictions)

Funcionalidades

Clasificación de texto
Afinado a partir de albert-base-v2
Compatible con AutoTrain
Compatible con Endpoints de inferencia
Basado en TensorFlow

Casos de uso

Filtrado de correos electrónicos de spam
Clasificación de mensajes en aplicaciones de mensajería
Monitoreo automatizado de contenido para detección de spam