Update README.md

README.md

@@ -1,5 +1,5 @@
 ---
-title: SMS Spam Turkish Scikit-Learn
+title: SMS Spam English Scikit-Learn
 emoji: 🌖
 colorFrom: gray
 colorTo: green
@@ -8,15 +8,14 @@ sdk_version: 1.17.0
 app_file: app.py
 pinned: false
 license: openrail
-duplicated_from: akuysal/SMS-spam-Turkish-sklearn
 ---
 
 ENGLISH
-The dataset used in the study "Uysal, A. K., Gunal, S., Ergin, S., & Gunal, E. S. (2013). The impact of feature extraction and selection on SMS spam filtering. Elektronika ir Elektrotechnika, 19(5), 67-72." is employed for training. The success ratio for Linear SVM Classifier is 0.9880 in terms of Macro-F1 when 10% of the dataset was used for testing. 
+The dataset used in the study "T.A. Almeida, J.M.G. Hidalgo, and A. Yamakami, Contributions to the Study of SMS Spam Filtering: New Collection and Results, Proc. 11th ACM Symposium on Document Engineering, pp. 259-262, 2011." is employed for training. The success ratio for Linear SVM Classifier is 0.9742 in terms of Macro-F1 when 10% of the dataset was used for testing. 
 The dataset is composed of SPAM and LEGITIMATE sms data.
 
 TÜRKÇE
-Bu çalışmada "Uysal, A. K., Gunal, S., Ergin, S., & Gunal, E. S. (2013). The impact of feature extraction and selection on SMS spam filtering. Elektronika ir Elektrotechnika, 19(5), 67-72." başlıklı çalışmadaki veri seti kullanılmıştır. Linear SVM sınıflandırıcı için başarı oranı, veri setinin %10'u test için kullanıldığında Makro-F1 açısından 0,9880'dir.
+Bu çalışmada "T.A. Almeida, J.M.G. Hidalgo, and A. Yamakami, Contributions to the Study of SMS Spam Filtering: New Collection and Results, Proc. 11th ACM Symposium on Document Engineering, pp. 259-262, 2011." başlıklı çalışmadaki veri seti kullanılmıştır. Linear SVM sınıflandırıcı için başarı oranı, veri setinin %10'u test için kullanıldığında Makro-F1 açısından 0.9742'dir.
 Veri seti, SPAM ve LEGITIMATE kısa mesaj verilerinden oluşmaktadır.
 
 Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference