增强型电子邮件分类数据集-2023-valentynbovchaliuk
数据来源：互联网公开数据
标签：电子邮件分类,数据增强,NLP,文本处理,机器学习,数据集,反垃圾邮件,自然语言处理,数据扩充
数据概述：
本数据集是在原始的“垃圾邮件数据集”基础上通过多种自然语言处理（NLP）数据增强技术生成的。原始数据集包含了大量的电子邮件样本，并标记为垃圾邮件或非垃圾邮件。通过数据增强技术，从原始数据集中生成了更多的训练样本，以提高机器学习模型的泛化能力和准确性。
数据增强技术包括：
1. 扩展缩写：将电子邮件中的缩写展开为完整形式。
2. 句子打乱：随机打乱电子邮件中的句子顺序。
3. 方言或俚语：引入不同的语言变体或俚语。
4. 噪声注入：在文本中随机插入无关信息。
5. 同义词替换：用同义词替换文本中的部分单词。
6. 随机插入：在文本中随机插入额外的单词。
7. 随机删除：随机删除文本中的部分单词。
8. 随机交换：随机交换文本中两个相邻单词的位置。
9. 重写：使用facebook/bart-large-cnn模型进行文本重写。
10. 反向翻译：使用Helsinki-NLP/opus-mt-en-uk和Helsinki-NLP/opus-mt-uk-en模型进行英译乌和乌译英的反向翻译。
11. 语言模型生成：使用GPT2模型生成新的文本样本。
数据集适用于多种机器学习和自然语言处理任务，特别是电子邮件分类。
数据用途概述：
该数据集适用于垃圾邮件分类模型的训练和评估，通过使用增强后的数据集可以提高模型的准确性和稳定性。研究人员和开发者可以利用此数据集进行模型训练、验证和测试，以开发更有效的垃圾邮件过滤系统。此外，该数据集也可以用于自然语言处理领域的教学和研究，帮助学习者理解和掌握数据增强技术在实际应用中的重要性。
