数据集概述
本数据集通过LeetSpeak转换对公开垃圾邮件数据集进行部分混淆处理，用于评估反混淆技术及其对垃圾邮件分类的影响。包含YouTube垃圾邮件集合、YouTube评论子集、CSDMC2010、TREC2007四个来源的混淆文本数据，以压缩包形式提供。
文件详解
- 文件名称：
corpora.zip
- 文件格式：ZIP（压缩包）
- 内容说明：压缩包内包含经LeetSpeak混淆处理的垃圾邮件文本数据，原始来源为YouTube Spam Collection、YouTube Comments子集、CSDMC2010、TREC2007四个公开数据集。
数据来源
YouTube Spam Collection、YouTube Comments子集、CSDMC2010、TREC2007公开数据集
适用场景
- 反混淆技术评估: 用于测试不同方法对LeetSpeak混淆文本的还原效果。
- 垃圾邮件分类模型优化: 分析混淆文本对分类模型准确率、召回率的影响，优化模型鲁棒性。
- 文本混淆机制研究: 探究LeetSpeak等混淆手段在垃圾邮件中的应用模式。
- 网络内容安全检测: 为垃圾邮件过滤系统提供混淆样本训练数据。
