Датасет · ucirvine
Классический корпус SMS-сообщений для фильтрации спама
ucirvine/sms_spam
Набор из 5 574 реальных англоязычных SMS с разметкой на спам и обычные сообщения для задач классификации текста.
Что внутри
Публичная коллекция SMS-сообщений, собранная для исследований мобильного спама. Датасет содержит 5 574 реальных незашифрованных текста на английском языке, каждый из которых отнесён к одному из двух классов: легитимное сообщение (ham) или спам (spam).
Что можно сделать
- Обучение базовых классификаторов текста для обнаружения спама в мессенджерах и SMS
- Тестирование и бенчмаркинг лёгких NLP-моделей на задаче бинарной классификации
- Практика и прототипирование пайплайнов обработки коротких текстовых сообщений
- Задачи
- Классификация текста
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 9 тыс.
- Лайков
- 59
Модели, обученные на нём
- StrandsAgents/strands-decider-2B-qwen3.5-v1-2610Классификация текста 24,5 тыс.
- StrandsAgents/strands-decider-2B-hobson-v21Классификация текста 15,6 тыс.
- StrandsAgents/strands-decider-2B-hobson-v19Классификация текста 7 тыс.
- StrandsAgents/strands-decider-E4B-gemma4-v1-2610Классификация текста 1,4 тыс.
- StrandsAgents/strands-decider-12B-gemma4-v1-2610Классификация текста 1,1 тыс.
- manjunathshiva/opendecider-nanoZero-shot классификация 1 тыс.
- StrandsAgents/strands-decider-E2B-gemma4-v1-2610Классификация текста 728
- StrandsAgents/strands-decider-26B-A4B-gemma4-v1-2610Классификация текста 360
Как загрузить
from datasets import load_dataset
ds = load_dataset("ucirvine/sms_spam")