當每篇文章有目標或類別時，我們可以藉由SAS Text Mining「文字規則產生器」節點來看不同目標的文字有沒有什麼規則可言。

電子郵件中垃圾郵件充斥，垃圾郵件內容會有什麼規則？行銷？詐欺？色情？如果我們知道每篇文章是垃圾郵件與否，在此範例中我們使用「文字規則產生器」找到垃圾郵件有「email & ~enron & ~daren & mobile」、「sex」等規則，也就是說當郵件出現sex字詞，或是有出現email、mobile且沒有出現enron、daren字詞時很可能是垃圾信件。

 

此範例中，資料是來Enron-Spam datasets (http://nlp.cs.aueb.gr/software_and_datasets/Enron-Spam/index.html) 當中的Enron1資料，共5154筆Email的資料，其中包含1482筆spam的Email (垃圾郵件)以及3672筆ham的Email (非垃圾郵件)；以及另外spam/ham各300筆的測試資料，因此在流程圖中ENRON_MAIL_TES資料集的角色為「測試」。

此外文字規則產生器需要有目標角色的變數，作為要產生規則的依據，在此範例中信件若是SPAM則我們將Prediction欄位值設定為0，若是HAM則Prediction設定為1。

此章節流程圖：

1.     結果
Rules Obtained：系統找出來的規則

( Precision、Recall為規則分類評估的指標，欲知詳情請參考http://en.wikipedia.org/wiki/Precision_and_recall )

配飾統計：文章符合規則的一些統計數值 ( Test欄位是因為有輸入「測試」資料集才會有 )

Rule Success：每條規則分別判斷0/1的文章次數

評分排名重疊圖：評估的一些圖形

i. 一般錯誤：規則對於訓練資料的錯誤容忍度，一般錯誤低，代表該rule在訓練資料非常準確，

但若要做新資料的預測可能造成overfitting的現象。

ii. 規則的純度：將詞語加入rule的條件，規則的純度越高則rule的詞語數越少越純粹。

iii. 詳盡：產生一條rule的條件，越詳盡則產生越多條rule，但可能需要越長的訓練時間。

i. 內容分類程式碼：布林值規則

F_Prediction =0 ::

(OR

, "meds"

, "php"

, "paliourg"

, "xp"

, "investment advice"

, "spam"

, (AND, (OR, "prescription" , "prescriptions" ))

, "biz"

, "pain"

, (AND, (OR, "monies" , "money" ), (NOT, (OR, "deal" , "deals" )), (NOT, "enron" )

...

F_Prediction =1 ::

(OR

, "enron"

, "hpl"

, "daren"

, (AND, (OR, "meter" , "meters" )

ii. 變更目標值：可以人工更改誤判值 ( Assigned Target欄位 )

( Predicted: Prediction=0為該文章預測為0這類的機率值；Residual: Prediction=0為該文章預測為0這類的殘差；Into: Prediction、Why Into: Prediction為最終該文章被預測為哪一類，以及是根據規則產生器產生的第幾條rule來判定 )