本数据集可用于进行文本分类、信息检索等自然语言处理实验，共包含80万条短信。其中：原始数据集data.txt每行为1条短信，格式为“标签\t短信内容”，标签=0表示正常短信，标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集，拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836，基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下： 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三．八．女人节倾情大放送活动开始啦！！！！超值套餐等你拿，活动时间x月x日一x月xx日， 详情进店咨询。美丽热线x

分文标签和数据两类，其中标签为1的是垃圾短信，标签为0的是正常短信 伪基站电信诈骗中文短信数据集 伪基站（Fake-base-station，FBS）是一种高科技仪器，一般由主机和笔记本电脑组成，通过短信群发器、短信发信机等相关设备能够搜取以其为中心、一定半径范围内的手机卡信息，通过伪装成运营商的基站，任意冒用他人手机号码强行向用户手机发送诈骗、广告推销等短信。 本数据集包含了来自国内真实伪基站发送的 14,000 条垃圾/诈骗短信，研究人员手动将其分为 14 个类别。出于隐私考虑，消息中的所有联系人都是匿名的。通过对 FBS 垃圾信息生态系统中主题策略的大规模理解和探索，可以完善垃圾邮件的防御机制。 作者：跨象乘云 https://www.bilibili.com/read/cv17389821/ 出处：bilibili

包含1万多条短信，垃圾短信标记为1，正常短信标记为0。

分文标签和数据两类，其中标签为1的是垃圾短信，标签为0的是正常短信 例子： 0 乌兰察布丰镇市法院成立爱心救助基金 1 (长期诚信在本市作各类资格职称（以及印 /章、牌、 ……等。祥：x x x x x x x x x x x 李伟%

贝叶斯垃圾短息所需要的数据集，