Russian Multi-Task Toxicity Classifier
Модель классификации токсичности комментариев по трем классам:
profanity— ненормативная лексика.threat— угрозы безопасности/жизни.illegal— призывы к нарушению законов.
Построена на базе cointegrated/rubert-tiny2 с тремя независимыми классификационными слоями.
Метрики F1-score на валидации (сбалансированный гибридный датасет):
- PROFANITY: 0.8466 (порог 0.90)
- THREAT: 0.7888 (порог 0.90)
- ILLEGAL: 0.9489 (порог 0.70)
Графики и визуализация обучения
1. Распределение классов в датасете
2. Матрица корреляции классов
3. Зависимость F1-меры от порога
4. Распределение предсказанных вероятностей по категориям
5. Анализ ложных тревог и пропусков для класса THREAT
