8个版本
0.3.1 | 2021年11月19日 |
---|---|
0.3.0 | 2021年11月19日 |
0.2.4 | 2021年11月19日 |
0.2.2 | 2020年12月23日 |
0.1.1 | 2020年12月22日 |
1196 在 文本处理 中排名
每月下载 31 次
29KB
440 行
关于
这是一个用Rust编写的朴素贝叶斯垃圾邮件过滤器。也许我会进一步完善它,但它主要是为了自学目的。
资源
研究来源
- https://en.wikipedia.org/wiki/Naive_Bayes_spam_filtering
- https://en.wikipedia.org/wiki/Bag-of-words_model
数据来源
lib.rs
:
拉默,是对Rust和垃圾邮件被分类为垃圾邮件或非垃圾邮件的幽默说法,是一个垃圾邮件/非垃圾邮件分类库。
以下是一个示例程序,它训练并保存了一个新的模型以供以后使用。
use rammer::{ HSModel, BagOfWords };
fn main() {
let spam_bow = BagOfWords::from_folder("data/train/spam").expect("Folder not found");
let ham_bow = BagOfWords::from_folder("data/train/ham").expect("Folder not found");
let model = HSModel::from_bows(ham_bow, spam_bow);
model.write_to_json("out/models/enron1_model.json");
}
以下是一个使用现有模型的示例程序。
use rammer::HSModel;
use std::fs;
use rayon::prelude::*;
fn main() {
let model = HSModel::read_from_json("out/models/enron1_model.json").unwrap();
let spam_answers = validate(&model, "data/validate/spam", "spam", |p| p > 0.8);
let ham_answers = validate(&model, "data/validate/ham", "ham", |p| p < 0.2);
println!("Spam Correctly Classified: {}/{} = {:.4}", spam_answers.0, spam_answers.1, spam_answers.2);
println!("Ham Correctly Classified: {}/{} = {:.4}", ham_answers.0, ham_answers.1, ham_answers.2);
}
fn validate<F>(model: &HSModel, dir: &str, class: &str, is_correct: F) -> (u32, usize, f64)
where F: Fn(f64) -> bool + Sync
{
let ps: Vec<bool> = fs::read_dir(dir)
.expect("folder exists")
.par_bridge()
.filter_map(|maybe_entry| {
maybe_entry.ok().and_then(|entry| {
fs::read_to_string(entry.path())
.ok()
.and_then(|text| Some(model.text_spam_probability(&text[..])))
})
})
.map(|p| { println!("Probability: {:.8}\t\t({})", p, class); is_correct(p) })
.collect();
let num_classified_correctly: u32 = ps
.iter()
.filter_map(|&b| if b { Some(1) } else { None })
.sum();
(
num_classified_correctly,
ps.len(),
num_classified_correctly as f64 / ps.len() as f64
)
}
依赖关系
~2.3–3.5MB
~65K SLoC