本数据集包含2330条经过验证的中文垃圾邮件检测规则，采用结构化存储格式，覆盖邮件内容、主题及收发件人三大核心检测维度。内容检测规则基于高频关键词（如'免费'、'发票'等）和文本特征构建，包含正则表达式匹配模式规则；主题检测规则针对诱导性标题（如'请查阅'、'税票'等）设计；收发件人检测规则则整合域名黑名单。数据通过真实邮件样本验证，适用于企业邮件网关、云服务反垃圾系统等场景，也可作为机器学习训练数据或规则引擎直接调用。

本次数据处理的原始数据为用户邮件系统中被标记为 “垃圾邮件” 的邮件内容，对应数据集中的 “原始邮件内容” 列，该列直接取自原始邮件文本，包含邮件主题或正文等未经加工的核心信息；在原始数据的加工过程中，我们运用自研邮件内容解析服务、jieba 分词库、正则表达式引擎及 Python的pandas库等工具，基于 TF-IDF模型结合行业黑名单库，从 “原始邮件内容” 中自动提取高风险关键词，标注其类型、匹配逻辑、风险等级及应用场景，最终形成了 “从原始内容中提取的关键字”“关键字类型”“匹配逻辑”“风险等级”“应用场景” 等加工后的数据列，这些新数据列与原始数据列共同构成了垃圾邮件分类结果表

本数据主要运用于识别垃圾邮件，通过匹配邮件内容等，对垃圾邮件进行有效的拦截，可以显著减少用户垃圾邮件接收量，提升工作效率和信息安全。通过该反垃圾邮件数据库，可以协助邮件系统和邮件网关对垃圾邮件的拦截。

1 sf5a699f11a14 viagra主题内容 12 2018-01-25 17:10:41 +0800 1 男人的救星！viagra 限时大促，让你重振男人雄风，提升夫妻生活质量，数量有限，赶快下单！ viagra 药品推广 从原始邮件内容中提取关键词'viagra'。 高风险 电商平台评论过滤 2 sf5a699f11a20 exe 5 2018-01-25 17:10:41 +0800 1 紧急通知：您有一份重要的exe文件待下载，点击链接即可获取。 exe 恶意软件 从原始邮件内容中提取关键词'exe'。 中风险 社交软件消息过滤 3 sf5a699f11a34 Fifth Third Bank发件人 12 2018-01-25 17:10:41 +0800 1 来自 Fifth Third Bank：您的账户存在异常交易，请尽快核验。 Fifth Third Bank 金融诈骗 从原始邮件内容中提取发件人'Fifth Third Bank'。 高风险 邮件过滤

拓波软件垃圾邮件内容评分规则库典型案例表包含字段如下所示：f_pk_id、f_spfid、f_name、f_score、f_modifytime、f_enable、f_islocal、f_createtime、原始邮件内容、从原始内容中提取的关键字、关键字类型、匹配逻辑、风险等级、应用场景