首页 > 其他 > 详细

朴素贝叶斯垃圾邮件分类

时间:2020-05-14 21:37:42      阅读:71      评论:0      收藏:0      [点我收藏+]

1. 读邮件数据集文件,提取邮件本身与标签。

 技术分享图片

 

 

 

2.邮件预处理

 2.1传统方法

技术分享图片

 

 

 

 

2.1 nltk库 分词

nltk.sent_tokenize(text) #对文本按照句子进行分割

nltk.word_tokenize(sent) #对句子进行分词

技术分享图片

 

 

 

2.2 punkt 停用词

from nltk.corpus import stopwords

stops=stopwords.words(‘english‘)

 

技术分享图片

 

 

 

 

2.3 NLTK 词性标注

nltk.pos_tag(tokens)

 

2.4 Lemmatisation(词性还原)

from nltk.stem import WordNetLemmatizer

lemmatizer = WordNetLemmatizer()

lemmatizer.lemmatize(‘leaves‘) #缺省名词

lemmatizer.lemmatize(‘best‘,pos=‘a‘)

lemmatizer.lemmatize(‘made‘,pos=‘v‘)

一般先要分词、词性标注,再按词性做词性还原。

技术分享图片

 

 

 

2.5 编写预处理函数

def preprocessing(text):

sms_data.append(preprocessing(line[1])) #对每封邮件做预处理

 

import csv
import nltk
from mistune import preprocessing
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer

def preprocessing(text):
    # 分词
    fenge = []
    for sent in nltk.sent_tokenize(text):
        for word in nltk.word_tokenize(sent):
            fenge.append(word)
    # 停用词
    stops = stopwords.words("english")
    tingyong = [i for i in fenge if i not in stops]
    # 磁性标注
    nltk.pos_tag(tingyong)
    # 磁性还原
    lemmatizer = WordNetLemmatizer()
    huanyuan = []
    for i in tingyong:
        huanyuan.append(lemmatizer.lemmatize(i, pos=v))
    for i in tingyong:
        huanyuan.append(lemmatizer.lemmatize(i, pos=a))
    for i in tingyong:
        huanyuan.append(lemmatizer.lemmatize(i, pos=n))

    return huanyuan

file_path=rC:\Users\we\Desktop\SMSSpamCollection
sms=open(file_path,r,encoding=utf-8)
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter=\t)
for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(preprocessing(line[1]))
sms.close()

print("分词标注停用还原后的数据",sms_data[1:10])
print("邮件分类2",sms_label)

 

 技术分享图片

 

 

3. 训练集与测试集

4. 词向量

5. 模型

朴素贝叶斯垃圾邮件分类

原文:https://www.cnblogs.com/hjqq/p/12890921.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!