小数据集论文复现：SMS Spam Collection 无源码深度学习实验完整资料包

1. 为什么我会选这个题目做论文复现

最近在整理一套适合新手入门的论文复现资料时，我专门挑了一个比较“小而完整”的方向：SMS Spam Collection 短信垃圾分类。

对应的论文是：

• The Impact of Deep Learning Techniques on SMS Spam Filtering

我选它，主要是因为这组任务很适合练“没有官方源码时，应该怎么把一篇论文从头复现出来”。

它有几个优点：

• 数据集公开，体量不大
• 论文可以直接下载阅读全文
• 没有现成官方代码可以直接套
• 任务定义清楚，适合做深度学习分类实验
• 非常适合课程作业、科研入门和教学演示

很多人第一次做论文复现，容易一上来就选太大的数据集、太复杂的模型，最后被环境、清洗、训练成本直接拖住。相比之下，这个题目更适合先把完整流程跑通。

---

2. 这次复现做了什么

这次不是简单跑一个模型看看结果，而是按完整复现项目的思路整理的，主要包括四部分：

2.1 数据处理

• 原始数据读取
• 标签映射
• 文本清洗
• 训练测试集划分
• 词表构建
• 序列编码

2.2 模型实现

实现了三个基础深度学习模型：

• CNN
• LSTM
• GRU

2.3 实验评估

• 多随机种子训练
• Accuracy / F1 指标统计
• 混淆矩阵
• 结果汇总表
• 可视化图表输出

2.4 文档整理

除了代码，我还把这次复现整理成了一套可展示资料，包括：

• 技术复现说明
• 教学版教程
• 宣发版 Word 文档
• 适合发布到技术平台的文章版内容

---

3. 项目结构说明

整个项目目录目前是按下面这种方式整理的：

├── data/
│   └── sms_spam/
│       ├── raw/
│       ├── processed/
│       ├── manifests/
│       └── reports/
├── src/
│   └── sms_spam/
├── experiments/
├── docs/
└── literature/

可以简单理解为：

• data/
  • 放数据集、处理中间文件、结果表和结果图
• src/
  • 放训练代码、模型定义和评估逻辑
• experiments/
  • 放实验记录、复现说明和分析文档
• docs/
  • 放教程、教学材料、Word 文档和对外文章稿
• literature/
  • 放论文笔记和目标论文整理

这种结构的好处是，别人拿到之后不会只看到一堆零散脚本，而是能比较清楚地知道：数据在哪、代码在哪、结果在哪、文档在哪。

---

4. 为什么这个项目适合做“无源码论文复现”

我觉得这类项目最有价值的，不是最后某个模型分数多高，而是它把下面这个过程跑完整了：

当一篇论文没有官方源码时，应该怎么复现。

大致过程通常是：

1. 先找一个公开且体量合适的数据集
2. 再找一篇可下载全文、但没有源码可直接用的论文
3. 把论文中明确写出的实验条件提取出来
4. 对没写清楚的部分做合理工程补全
5. 先跑通基础版本
6. 再做多随机种子实验
7. 最后整理图、表、结论和文档

这次项目，其实就是在按这条思路往下做。

---

5. 当前结果

目前已经跑出了一组比较完整的多随机种子结果。

平均结果如下：

• CNN
  • accuracy mean: 0.9764
  • F1 mean: 0.9058
• LSTM
  • accuracy mean: 0.9728
  • F1 mean: 0.8970
• GRU
  • accuracy mean: 0.9692
  • F1 mean: 0.8841

从这组结果看：

• CNN 的整体表现最好
• LSTM 也比较稳定
• GRU 在不同 seed 下有自己的特点

这也很适合说明一个问题：在小数据集上做论文复现，很多时候比起一味追复杂模型，更重要的是把流程、实验和表达整理完整。

下面这两张图可以直接作为正文配图：

5.1 模型综合对比图

5.2 Accuracy 与 F1 对比图

---

6. 这套资料包里有什么

如果你更关心“能不能直接拿来参考”，那可以直接看这一部分。

这套资料目前包含：

• 数据处理代码
• 模型训练代码
• 多随机种子实验结果
• 模型对比图
• Accuracy / F1 图
• 混淆矩阵
• 复现说明文档
• 教学版教程
• 可直接展示的 Word 资料

也就是说，这不是一个只放代码的仓库，而是一套更适合拿来做：

• 课程作业参考
• 论文复现练手
• 科研入门训练
• 学习分享材料
• 自媒体/技术社区展示内容

---

8. 结语

如果你也在找一个适合新手练手、而且能完整跑通的论文复现项目，这个题目确实很合适。

它的难度不算高，但非常适合训练下面这些能力：

• 公开数据集处理
• 无源码论文拆解
• 深度学习模型实现
• 多随机种子实验复现
• 结果图表整理
• 对外文档表达

如果你需要这套完整资料包，可以找我领取。

我这边整理的是一整套内容，不只是代码，还包括实验结果图表、复现说明和教学文档。