【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1.pdfVIP

SJFXTD250263

队伍编号

A

题号

基于多特征融合与集成学习的垃圾邮件识别系统研究

摘要

随着电子邮件成为现代通信的主要工具，垃圾邮件的泛滥严重影响了用户体验和信息安

全。本文针对垃圾邮件识别这一自然语言处理任务，基于提供的邮件文本数据，构建了从数

据分析到模型部署的完整智能分类框架，结合特征工程、启发式规则、多模型集成与阈值调

优，系统化解决了题目所述的四类问题。

在问题一中，对训练集和测试集进行了全面的数据统计分析。训练集包含957条样本，其

中正常邮件（ham）835条（87.30%）、垃圾邮件（spam）122条（12.70%）；测试集包含125

条样本，其中正常邮件49条（39.20%）、垃圾邮件76条（60.80%）。文本平均长度分别为

78.12与119.46字符，KL散度为1.85，揭示了两者在类别分布和文本长度上的显