Enron数据集：https://www2.aueb.gr/users/ion/data/enron-spam/
Enron（安然公司）在2001年宣告破产之前，拥有约21000名雇员，曾是世界上最大的电力、天然气以及电讯公司之一，2000年披露的营业额达1010亿美元之巨。公司连续六年被财富杂志评选为“美国最具创新精神公司”，然而真正使Enron公司在全世界声名大噪的，却是这个拥有上千亿资产的公司2002年在几周内破产，以及持续多年精心策划、乃至制度化系统化的财务造假丑闻。Enron欧洲分公司于2001年11月30日申请破产，美国本部于2日后同样申请破产保护。但在其破产前的资产规模为498亿美元，并有312亿的沉重债务。过度膨胀的快速发展使其无法应对经济环境的逆转，从而导致无法经营运作状况的恶化，最终以破产结束企业。
机器学习领域使用Enron公司的归档邮件来研究文档分类、词性标注、垃圾邮件识别等，由于Enron的邮件都是真实环境下的真实邮件，非常具有实际意义。
本节使用的Enron数据集是经过人工标注过的正常邮件和垃圾邮件，属于狭义的Enron数据集合，广义的Enron数据集指全量真实且未被标记的Enron公司归档邮件。
Enron数据集合使用不同文件夹区分正常邮件和垃圾邮件。

正常邮件内容举例如下：
Subject: christmas basketsthe christmas baskets have been ordered .we have ordered several baskets .individual earth - sat freeze - notissmith barney group basketsrodney keys matt rodgers charlienotis jon davis moveteamphillip randle chris hydeharveyfreesefaclities

垃圾邮件内容举例如下：
Subject: fw : this is the solution i mentioned lscoothank you ,your email address was obtained from a purchased list ,reference # 2020 mid = 3300 . if you wish to unsubscribefrom this list , please click here and enteryour name into the remove box . if you have previously unsubscribedand are still receiving this message , you may email our abusecontrol center , or call 1 - 888 - 763 - 2497 , or write us at : nospam ,6484 coral way , miami , fl , 33155 " . 2002web credit inc . all rights reserved .

Enron数据集主页

以下是readme.txt的翻译结果：

这个目录包含了 Enron-Spam 数据集，正如在以下论文中描述的：

V. Metsis, I. Androutsopoulos 和 G. Paliouras，《Spam Filtering with Naive Bayes - Which Naive Bayes?》，第3届电子邮件和反垃圾邮件会议论文集（CEAS 2006），2006年，美国加利福尼亚州山景城。

"preprocessed" 子目录包含了在论文实验中使用的预处理格式中的消息。每条消息都在单独的文本文件中。文件名开头的数字是“到达顺序”。

"raw" 子目录包含了消息的原始形式。已删除非拉丁编码的垃圾邮件消息，发送者在“To:”、“Cc:”或“Bcc”字段中发送给自己的正常邮件消息，以及少量感染病毒的消息，但没有进行其他修改。"raw" 子目录中的消息数量多于"preprocessed" 子目录中的消息，因为：(a) 在“raw”形式中保留了重复项，(b) 在预处理过程中，正常邮件和/或垃圾邮件消息被随机抽样以获得所需的正常邮件：垃圾邮件比率。有关更多详细信息，请参阅论文。

Enron-Spam 数据集可从以下网址获取：http://www.iit.demokritos.gr/skel/i-config/ 和 http://www.aueb.gr/users/ion/publications.html。

该论文可从以下网址获取：http://www.ceas.cc/ 和 http://www.aueb.gr/users/ion/publications.html。

现在的进度，还在翻译论文......