如何收集更多的短信内容样本？用于机器学习

灌水王 · 发表于 2024-9-17 01:07:10

最近课题作业需要做个垃圾短信识别的工具
整理了几千条短信内容，然后一条条手工标记区分正常短信和垃圾短信，用来训练机器学习模型。
发现几千条样本还是太少了点，现在准确率还远远不够，需要继续收集样本。
只要短信内容正文就好，不需要发信收信号码，脱敏后应该没有隐私问题。
想请问各位MJJ大佬，还能从哪里收集更多的短信样本？
小弟感激不尽！提供有用线索必有重谢！有偿信息亦可直接私信！

灌水王 · 发表于 2024-9-17 01:07:25

IOS上熊猫吃短信不就是深度学习做的

灌水王 · 发表于 2024-9-17 01:08:06

曾经见过有人花钱收垃圾短信的

灌水王 · 发表于 2024-9-17 01:08:16

你把你手机，能注册的，挨着注册一遍

jd和tb，能开会员的，那些免费入会一类的，挨着开。然后等俩月:L

要么你就直接爬一下那些接码站，不想爬，就写信联系，交易一下，py一下

huangdao · 发表于 2024-9-17 01:08:27

那种是撸黑产羊毛的吧

20070730 · 发表于 2024-9-17 01:09:17

用程序编点垃圾短信然后喂给模型

1990573 · 发表于 2024-9-17 01:10:05

现在这几千条就是靠我自己手机里的各种优惠送券短信

接码站倒是看过，基本都是验证码的信息，正常短信、垃圾短信比较少

灌水王 · 发表于 2024-9-17 01:10:19

github有不少相关，数据集虽然旧了但是垃圾短信还是换汤不换药

rirlTuffHib · 发表于 2024-9-17 01:10:42

https://github.com/wandouqiang/RubbishMessage/tree/master/data
https://github.com/hrwhisper/SpamMessage/tree/master/data
https://github.com/mJackie/SpamMessage/tree/master/Classfier/DataPreprocess

灌水王 · 发表于 2024-9-17 01:11:40

https://yunjisms.xyz/
用爬虫爬下,几十万条还是有的