基于朴素贝叶斯的中文垃圾电子邮件分类

2020年5月6日 · 1684 字 · 4 分钟 · Machine Learning NLP

基于朴素贝叶斯的中文垃圾电子邮件分类

训练数据和测试数据

本次主要使用了github上的开源数据

数据处理

首先使用正则表达式对训练集中的中文邮件的内容进行过滤，去除其中中文之外的其他字符，再将剩下的内容使用jieba进行分词，过滤掉中文停用字表中的内容。将垃圾邮件以及正常邮件的处理结果分别存放。