集智数据集|输入关键词搜索

供您参考使用

搜索结果|共11条数据

耗时：54/毫秒

Transformer
中文垃圾邮件分类数据集 2025-05-13 10:04:21

3553 166

中文垃圾邮件分类数据集简介
本数据集是针对电子邮件分类任务构建的规范化中文语料库，旨在为垃圾邮件检测模型的训练与评估提供多维度特征支持。其核心特点如下：

1. 数据集概述

  • 规模与结构：共包含3980个规范化JSON文件，每个文件独立存储一封邮件的完整信息，并按垃圾邮件（spam）与正常邮件（normal）两类进行标注，形成二元分类基础。
  • 数据来源：邮件内容覆盖商业推广、虚假中奖通知、金融诈骗、日常通信等典型场景，贴近中文用户真实邮箱环境。
  • 标注质量：所有邮件均经过人工或自动化验证，确保类别标签的准确性，可直接用于监督学习任务。

2. 数据组成与特征

每封邮件的JSON结构包含以下关键字段，支持从语义、统计、时间等多角度进行特征分析：

a. 核心字段

  • 邮件主题（subject）：反映邮件意图的短文本，垃圾邮件常含“免费领取”“限时特惠”“账户异常”等诱导性词汇。
  • 邮件正文（body）：长文本内容，垃圾邮件多含重复促销信息、嵌入超链接或诱导用户点击的互动话术。
  • 发件时间（date）：精确到分钟的时间戳，可用于分析垃圾邮件的发送时段规律（如深夜或节假日高发）。
  • 邮件头信息（header）：包含发件服务器IP、传输路径等技术信息，辅助识别伪造发件地址或可疑邮件源。

b. 结构化特征字段

  • 文本特征（text_features）：基于分词与词频提取的关键词（如“中奖”“投资机会”“VIP特权”）及高频词组，凸显垃圾邮件的语义倾向。
  • 结构特征（structure_features）：统计邮件长度、段落数、链接/图片数量等，垃圾邮件普遍存在长文本、多链接（如广告跳转URL）的特点。
  • 特殊字符特征（special_character_features）：检测异常符号（如❗、$$、###）及HTML标签密度，垃圾邮件常通过视觉冲击性符号吸引注意。

3. 应用场景

  • 分类模型开发：适用于训练朴素贝叶斯、SVM、深度学习（如LSTM、Transformer）等分类算法。
  • 特征工程研究：通过对比文本、结构与符号特征的组合效果，优化特征选择策略。
  • 发送行为分析：结合时间字段，挖掘垃圾邮件发送者的时间分布规律与潜在攻击模式。

4. 数据集优势

  • 多维特征融合：同时包含原始文本与结构化特征，避免单一模态的分析局限性。
  • 真实性高：邮件内容涵盖仿冒通知、钓鱼链接等复杂类型，模拟真实对抗场景。
  • 可扩展性强：支持与外部词库（如敏感词库、黑名单域名）结合，增强模型泛化能力。

5. 潜在挑战与建议

  • 类别平衡性：需检查垃圾邮件与正常邮件的比例，必要时通过过采样或数据增强优化分布。
  • 隐私合规性：邮件内容已脱敏处理，实际应用中需注意避免引入用户个人信息。
  • 动态对抗：需定期更新数据集以应对新型垃圾邮件话术演变（如当前流行的AI生成内容）。

本数据集可作为学术研究与工业界开发的基础资源，为中文自然语言处理、网络安全等领域提供标准化评测基准。


# 垃圾邮件检测 # 邮件安全防护 # 中文自然语言处理 # NLP算法应用 # 邮件分类技术 # 网络安全解决方案 # 机器学习数据集 # AI反欺诈技术 # 电子邮件特征分析 # 2025网络安全趋势

Transformer
【中韩文本翻译数据集】经典小说中韩文句子翻译对齐数据集 2024-12-06 22:27:38

1449 44

数据集介绍：

本数据集是一个中韩文章短句翻译数据集，专门用于中韩语言对的翻译研究与应用。数据集包含了多本经典书籍中的句子翻译，涵盖了丰富的历史与文学内容，包括：

  • 百家公案
  • 北齐书
  • 北史
  • 北极探险
  • 白居易诗全集

每条数据包含中文原句及其对应的韩文翻译，并附有相关的文本信息，如小说名称、作者、分词、章节id等，便于进行更深入的分析与处理。数据集的表格格式为xlsx，结构清晰，易于操作，具体字段包括：

  • id：唯一标识符
  • 韩文翻译：原句的韩文翻译
  • 中文原句：句子的中文内容
  • 小说名称：句子所在的小说或书籍名称
  • 小说作者：该小说或书籍的作者
  • 分词：中文原句的分词结果
  • 章节id：句子所在的章节编号
  • 预置状态：用于标记数据集是否已经处理完成

该数据集适用于中韩翻译研究、机器翻译、对齐模型训练、跨语言文本分析等领域，并且能够帮助提升中韩语言之间的自然语言处理技术。


# T5翻译模型 # 机器翻译 # 深度学习 # 自然语言处理 # 文本翻译 # 中韩翻译 # 神经机器翻译 # HuggingFace # Transformer模型 # NLP教程 # Python翻译代码 # T5应用 # 多语言翻译 # 神经网络 # 文本生成 # 翻译工具 # 语言对齐模型 # 数据科学 # 人工智能翻译 # 预训练模型 # 韩文翻译 # 中文翻译 # 机器学习 # 翻译案例 # 代码复现 # 深度学习教程 # Excel数据处理 # 翻译算法 # T5教程 # 文本处理

Transformer
【中越文本翻译数据集】经典小说中越文句子翻译对齐数据集 2024-11-05 09:35:44

1263 47

数据集概述
本数据集涵盖了多部经典中外小说的逐句翻译语料，内容被逐句对齐为中文与越南文，适用于深度学习翻译模型训练、多语言自然语言处理（NLP）、跨文化文本分析等任务。数据集包含《巴山夜雨》《悲惨世界》《百年孤独》《包法利夫人》等经典作品，提供了丰富的文学语料，为机器翻译和语言模型的研究开发奠定了基础。

数据格式
数据以 xlsx 文件格式提供，记录了每个句子的详细结构信息：

  • id：每条句子的唯一标识符，便于索引和管理。
  • 越南文翻译：逐句对应的越南文翻译，贴近原句风格，保留越南文语言特色。
  • 中文原句：经典小说的中文句子，传达原文的文学风格。
  • 小说名称：句子所在小说的名称，便于分组和筛选。
  • 小说作者：小说的作者名，支持按作者进行数据分析和筛选。
  • 分词：对中文句子进行的分词处理结果，为NLP任务中的特征提取和分析提供支持。
  • 章节id：句子所属的章节编号，便于追溯句子在原著中的位置。
  • 预置状态：表示当前句子的翻译和处理状态，如“已审核”“待翻译”等，便于数据集的质量控制。

应用场景

  1. 机器翻译研究：该数据集可用于中越翻译模型的训练与评估，适用于各类基于深度学习的翻译模型（如Transformer、RNN）。
  2. 多语言NLP任务：数据集中的逐句对齐文本为多语言任务（如情感分析、对话生成）提供了理想的双语语料。
  3. 文化研究与文本对比：通过逐句对齐的中文与越南文，支持跨文化语境中的语义分析与语言风格研究。
  4. 语言特征分析：借助分词字段，可以进行中文文本的词频、词性等特征提取，为中文语言结构的研究提供支持。

数据特点
本数据集为经典文学作品的逐句中越文对齐提供了优质的基础数据，适合用于多语言翻译、文本分析和自然语言处理模型开发。对于研究中越语言特征、语法结构以及文学风格的差异，本数据集具有重要的参考价值。


# 中越翻译模型 # 深度学习机器翻译 # GRU编码器 # Transformer解码器 # 自然语言处理NLP # 中越对齐数据集 # TensorFlow机器翻译 # 多语言文本生成 # 机器翻译训练 # NLP句子翻译

| 友情链接： | 网站地图 | 更新日志 |

Copyright ©2025 集智软件工作室. 皖ICP备2025082424号-1 本站数据文章仅供研究、学习用途，禁止商用，使用时请注明数据集作者出处；本站数据均来自于互联网，如有侵权请联系本站删除。