詞集，詞袋，TF-IDF, 詞彙表的關係和區別

本文主要以垃圾郵件識別爲例，介紹常見的文本處理方法以及常見的文本處理相關的機器學習算法。上半部主要介紹垃圾郵件識別使用的數據集，介紹使用的特徵提取方法，包括詞袋模型和TF-IDF模型、詞彙表模型。本文下半部主要介紹使用的模型以及對應的驗證結果，包括樸素貝葉斯、支持向量基和深度學習。 前言 垃圾郵件作爲英特網中最具有爭議的副產品，對於企業郵箱用戶的影響首先就在於給日常辦公和郵箱管理者帶來額外負擔。根

>>阅读原文<<