Sentence Similarity
sentence-transformers
ONNX
Safetensors
Russian
English
bert
stylometry
author-attribution
osint
threat-intelligence
siamese-network
contrastive-learning
text-classification
forensics
Eval Results (legacy)
text-embeddings-inference
Instructions to use AtesiT/osint-stylometry-model with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use AtesiT/osint-stylometry-model with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("AtesiT/osint-stylometry-model") sentences = [ "Это счастливый человек", "Это счастливая собака", "Это очень счастливый человек", "Сегодня солнечный день" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Обновление README и changelog для версии v11.5
Browse files
README.md
CHANGED
|
@@ -27,13 +27,13 @@ model-index:
|
|
| 27 |
name: Author Attribution / Stylometry
|
| 28 |
metrics:
|
| 29 |
- type: accuracy
|
| 30 |
-
value: 0.
|
| 31 |
name: Accuracy
|
| 32 |
- type: f1
|
| 33 |
-
value: 0.
|
| 34 |
name: F1 Score
|
| 35 |
- type: roc_auc
|
| 36 |
-
value: 0.
|
| 37 |
name: ROC AUC
|
| 38 |
---
|
| 39 |
# 🕵️ OSINT Stylometry & Author Attribution Model
|
|
@@ -55,7 +55,7 @@ model-index:
|
|
| 55 |
</p>
|
| 56 |
|
| 57 |
<p align="center">
|
| 58 |
-
<i>Текущая версия модели: <b>v11.
|
| 59 |
</p>
|
| 60 |
|
| 61 |
---
|
|
@@ -198,10 +198,10 @@ system), непрерывно сравнивающая новые сообщен
|
|
| 198 |
|
| 199 |
| Метрика | Значение | Пояснение |
|
| 200 |
|---|---|---|
|
| 201 |
-
| **Accuracy** | 0.
|
| 202 |
-
| **F1-Score** | 0.
|
| 203 |
-
| **ROC-AUC** | 0.
|
| 204 |
-
| **Adversarial Robustness** | 0.
|
| 205 |
|
| 206 |
## 📈 Визуализация результатов
|
| 207 |
|
|
@@ -430,6 +430,10 @@ whistleblowers), политических репрессий или любых
|
|
| 430 |
| Дата | Версия | Accuracy | F1-Score | Изменения в датасете / Архитектуре |
|
| 431 |
|---|---|---|---|---|
|
| 432 |
| 2026-08-30 18:10 | v12 | 0.6716 | 0.7211 | Обновление синтетических данных и дообучение модели |
|
|
|
|
|
|
|
|
|
|
|
|
|
| 433 |
|
| 434 |
## 🤝 Как внести вклад
|
| 435 |
|
|
|
|
| 27 |
name: Author Attribution / Stylometry
|
| 28 |
metrics:
|
| 29 |
- type: accuracy
|
| 30 |
+
value: 0.7431
|
| 31 |
name: Accuracy
|
| 32 |
- type: f1
|
| 33 |
+
value: 0.763
|
| 34 |
name: F1 Score
|
| 35 |
- type: roc_auc
|
| 36 |
+
value: 0.9475
|
| 37 |
name: ROC AUC
|
| 38 |
---
|
| 39 |
# 🕵️ OSINT Stylometry & Author Attribution Model
|
|
|
|
| 55 |
</p>
|
| 56 |
|
| 57 |
<p align="center">
|
| 58 |
+
<i>Текущая версия модели: <b>v11.5</b> · Отчёт сгенерирован: 2026-10-06 22:17</i>
|
| 59 |
</p>
|
| 60 |
|
| 61 |
---
|
|
|
|
| 198 |
|
| 199 |
| Метрика | Значение | Пояснение |
|
| 200 |
|---|---|---|
|
| 201 |
+
| **Accuracy** | 0.7431 | Доля верно классифицированных пар «тот же автор / разные авторы» |
|
| 202 |
+
| **F1-Score** | 0.763 | Гармоническое среднее precision и recall (устойчиво к дисбалансу классов) |
|
| 203 |
+
| **ROC-AUC** | 0.9475 | Способность модели ранжировать пары по вероятности общего авторства |
|
| 204 |
+
| **Adversarial Robustness** | 0.3266 | Средняя схожесть оригинал↔замаскированный текст (чем ниже — тем лучше) |
|
| 205 |
|
| 206 |
## 📈 Визуализация результатов
|
| 207 |
|
|
|
|
| 430 |
| Дата | Версия | Accuracy | F1-Score | Изменения в датасете / Архитектуре |
|
| 431 |
|---|---|---|---|---|
|
| 432 |
| 2026-08-30 18:10 | v12 | 0.6716 | 0.7211 | Обновление синтетических данных и дообучение модели |
|
| 433 |
+
| 2026-10-06 21:24 | v11.3 | 0.7181 | 0.7458 | ✅ Улучшение, score=0.8393 |
|
| 434 |
+
| 2026-10-06 21:28 | v11.4 | 0.7221 | 0.7485 | ✅ Улучшение, score=0.8433 |
|
| 435 |
+
| 2026-10-06 21:34 | v11.5 | 0.7431 | 0.763 | ✅ Улучшение, score=0.8493 |
|
| 436 |
+
| 2026-10-06 22:16 | v12 | 0.7431 | 0.763 | Обновление синтетических данных и дообучение модели |
|
| 437 |
|
| 438 |
## 🤝 Как внести вклад
|
| 439 |
|