MC855_SpamFilter

Filtro de Spam para MC855 - Unicamp

Desenvolvido por:

Matheus Jun Ota
Gustavo de Mello Crivelli
Lucas de Souza e Silva
Matheus Laborão Netto

Arquivos

• emailcollection.txt - Coleção de emails Spam e Ham, retirados do Enron Email Dataset
• smscollection.txt - Coleção de SMS Spam e Ham
• emailset.txt - Contagem de palavras dividida em Spam e Ham, gerada via execução de mapper.py e reducer.py em Hadoop com input de emailcollection.txt
• smsset.txt - Contagem de palavras dividida em Spam e Ham, gerada via execução de mapper.py e reducer.py em Hadoop com input de smscollection.txt
• mapper.py - Mapper (Hadoop)
• reducer.py - Reducer (Hadoop)
• classifier.py - Classificador local de email/SMS em Spam ou Ham. Atualmente hardcoded para usar emailset.txt como classificador, aceita input do usuário ou leitura direta de emailcollection.txt .
• output - Resultados de classifier.py