Датасет · dbarbedillo
Мультиязычная коллекция SMS для фильтрации спама
dbarbedillo/SMS_Spam_Multilingual_Collection_Dataset
Набор реальных и переведённых SMS-сообщений на нескольких языках с разметкой на спам и обычные письма.
Что внутри
В основе датасета лежит классическая коллекция из 5 574 англоязычных SMS-сообщений, размеченных как спам или обычные сообщения (ham). Тексты были переведены с помощью машинного перевода на хинди, немецкий, французский, испанский, китайский и арабский языки (в метаданных отмечены английский, китайский, испанский, хинди, французский и немецкий). Всего в наборе от 1 до 10 тысяч записей.
Что можно сделать
- Обучение и проверка мультиязычных текстовых классификаторов для фильтрации спама
- Сравнение качества классификации на оригинальных текстах и машинном переводе
- Задачи
- Классификация текста
- Языки
- Английский, Китайский, Испанский, Хинди, Французский, Немецкий, Арабский, bn и ещё 4
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 396
- Лайков
- 15
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("dbarbedillo/SMS_Spam_Multilingual_Collection_Dataset")