短信垃圾邮件分类数据集
自然语言
0 下载
58 浏览
2026-09-05
数据集简介
SMS Spam Collection 是一个广为人知的短信垃圾邮件分类数据集,最初由英国伦敦大学学院(UCL)的 Tiago A. Almeida 和 José María Gómez Hidalgo 收集整理。该数据集包含一组 SMS 短信消息,每条消息都带有类别标签,用于区分垃圾邮件和正常短信。
数据内容
数据集中每条记录包含两列:标签(label)和短信文本(message)。标签为 'spam'(垃圾邮件)或 'ham'(正常短信)。短信文本是原始的英文消息内容。
数据规模
数据集包含 5574 条短信,其中 4827 条为正常短信(ham),747 条为垃圾邮件(spam)。这一规模使其成为训练和评估垃圾邮件过滤模型的基准数据集之一。
数据格式
数据以文本文件(.txt)格式存储,每行包含标签和消息,以制表符分隔。这种格式易于读取,可直接用于 Pandas 等数据处理工具。
下载与使用
该数据集在 Kaggle 上公开发布,用户可通过 Kaggle 平台页面直接下载。下载后即可用于模型训练、测试及研究。
许可与引用
该数据集可免费用于学术和教育目的。如在研究中使用,建议引用原始论文或数据集提供者。
基本信息
记录数量未知
文件大小未知
文件格式txt
数据来源UCL
数据落地页https://www.kaggle.com/datasets/abhishek14398/sms-spam-collection
短信垃圾邮件文本分类自然语言处理垃圾邮件过滤
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载