【特等奖】2026年第五届全国大学生数据统计与分析竞赛A题优秀论文2.pdfVIP

队伍编号SJFXTD250349

题号（A）

基于的FastText的垃圾邮件识别模型构建

摘要

在互联网技术与数字化办公深度融合的背景下，垃圾邮件问题已演变为影响通信效能和

信息安全的关键性挑战。本研究聚焦于垃圾邮件判别领域，通过多维度数据分析与模型构建，

提出了一套完整的垃圾邮件识别解决方案。

针对问题一，为了解决训练集和测试集的分析问题，首先选用chardet自动检测文件编码

类型，进而统计分析训练集与测试集在样本规模和类别分布上的差异，为后续数据处理提供

了预设，其中训练集垃圾邮件占比12.7%，测试集垃圾邮件占比60.8%；其次，统计分析了

邮件平均长度分别为测试集119.46字符，训练集78.12字符和差异百分比52.93%，并通过

matplotlib分别绘制箱线图展示长度分布形态，柱状图对比平均长度，差异对比图用参考线和

标注强调差异。最后，通过饼图直观展示分析训练集和测试集里垃圾邮件与非垃圾邮件的占

比情况，二者在垃圾邮件占比数值及整体分布结构