基于多项式分布朴素贝叶斯MultinomialNB、文本矢量化TextVectorization、BiLSTM(双向LSTM)检测垃圾短信

前言

系列专栏:【深度学习：算法项目实战】✨︎
本专栏涉及创建深度学习模型、处理非结构化数据以及指导复杂的模型，如卷积神经网络(CNN)、递归神经网络 (RNN)，包括长短期记忆 (LSTM) 、门控循环单元 (GRU)、自动编码器 (AE)、受限玻尔兹曼机(RBM)、深度信念网络 (DBN)、生成对抗网络 (GAN)、深度强化学习(DRL)、大型语言模型(LLM)和迁移学习

在当今社会，几乎每个人都有一部手机，他们的手机都会定期收到通信（短信/电子邮件）。但重要的一点是，收到的大多数信息都是垃圾信息，只有少数是必要的通信。骗子制造欺诈性短信，骗取你的个人信息，如密码、账号或社会保险号。如果他们掌握了这些信息，就有可能访问您的电子邮件、银行或其他账户。

在本文中，我们将使用 Tensorflow 开发各种深度学习模型，用于垃圾短信检测，并分析不同模型的性能指标。

我们将使用短信垃圾邮件检测数据集，该数据集包含短信文本和相应的标签（垃圾短信或垃圾邮件）。