Podcast Explicit Content Classifier

Классификация подкастов на наличие explicit-контента на основе текстовых метаданных.

Overview

Сервис обучает и запускает бинарный классификатор (explicit_flag) по данным подкастов.
Используется линейная модель с TF-IDF признаками.

Pipeline:

1. Загрузка данных (data.tsv)
2. Предобработка текста
3. Векторизация (TF-IDF)
4. Обучение модели
5. Оценка качества
6. Сохранение артефактов

---

Project Structure

.
├── data.tsv
├── run_pipeline.py
├── preprocessing.py
├── train.py
├── model/
├── out/
│   ├── confusion_matrix.png
│   ├── roc_curve.png
│   └── metrics.json
└── README.md

---

Run

Запуск полного pipeline:

python run_pipeline.py

---

Metrics

Пример результатов:

accuracy: ~0.94

---

Model

• TF-IDF
• Logistic Regression

---

Output

out/
├── metrics.json
├── confusion_matrix.png
└── roc_curve.png

---

Notes

• Формат данных: TSV
• Таргет: explicit_flag