---
library_name: transformers
license: cc-by-nc-nd-4.0
---
# ruSpamNS_v31_big

Модель `ruSpamNS_v31_big` — нейросеть для определения спама в русскоязычных текстах. Обучена на почти 5 миллионах примеров, показывает высокую точность и устойчивость, но иногда может ошибаться на сообщениях с коммерческой тематикой.

## Архитектура

* **Базовая модель:** RuBERT
* **Тип задачи:** бинарная классификация (СПАМ / НЕ СПАМ)
* **Количество меток:** 1 (используется сигмоида для вероятности спама)
* **Фреймворк:** PyTorch + Transformers (Hugging Face)

## Особенности

* Обработка текста до 512 токенов
* Поддержка GPU через PyTorch
* Высокая точность на русскоязычном спаме
* Используется в антиспам-боте Telegram: [@AntiSpam_moder_bot](https://t.me/AntiSpam_moder_bot)
* **При использовании модели в проектах необходимо указывать ссылку на репозиторий.**

## Пример использования

```python
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
tokenizer = AutoTokenizer.from_pretrained("NeuroSpaceX/ruSpamNS_v31_big")
model = AutoModelForSequenceClassification.from_pretrained(
    "NeuroSpaceX/ruSpamNS_v31_big", num_labels=1
).to(device).eval()

text = "Пример сообщения"
encoding = tokenizer(text, padding="max_length", truncation=True, max_length=512, return_tensors="pt")
input_ids = encoding["input_ids"].to(device)
attention_mask = encoding["attention_mask"].to(device)

with torch.no_grad():
    outputs = model(input_ids, attention_mask=attention_mask).logits
    prediction = torch.sigmoid(outputs).cpu().numpy()[0][0]
    is_spam = prediction >= 0.5

print(f"Результат: {'СПАМ' if is_spam else 'НЕ СПАМ'} (уверенность: {prediction:.4f})")