数据集：中文垃圾邮件分类数据集

中文垃圾邮件分类数据集简介
本数据集是针对电子邮件分类任务构建的规范化中文语料库，旨在为垃圾邮件检测模型的训练与评估提供多维度特征支持。其核心特点如下：

1. 数据集概述

• 规模与结构：共包含3980个规范化JSON文件，每个文件独立存储一封邮件的完整信息，并按垃圾邮件（spam）与正常邮件（normal）两类进行标注，形成二元分类基础。
• 数据来源：邮件内容覆盖商业推广、虚假中奖通知、金融诈骗、日常通信等典型场景，贴近中文用户真实邮箱环境。
• 标注质量：所有邮件均经过人工或自动化验证，确保类别标签的准确性，可直接用于监督学习任务。

2. 数据组成与特征

每封邮件的JSON结构包含以下关键字段，支持从语义、统计、时间等多角度进行特征分析：

a. 核心字段

• 邮件主题（subject）：反映邮件意图的短文本，垃圾邮件常含“免费领取”“限时特惠”“账户异常”等诱导性词汇。
• 邮件正文（body）：长文本内容，垃圾邮件多含重复促销信息、嵌入超链接或诱导用户点击的互动话术。
• 发件时间（date）：精确到分钟的时间戳，可用于分析垃圾邮件的发送时段规律（如深夜或节假日高发）。
• 邮件头信息（header）：包含发件服务器IP、传输路径等技术信息，辅助识别伪造发件地址或可疑邮件源。

b. 结构化特征字段

• 文本特征（text_features）：基于分词与词频提取的关键词（如“中奖”“投资机会”“VIP特权”）及高频词组，凸显垃圾邮件的语义倾向。
• 结构