전자 통신의 급격한 성장으로 인해 이메일 분류 및 감성 감지 시스템에 더 강력한 체계가 필요해졌습니다. 본 연구는 전통적 머신러닝 알고리즘과 딥러닝 아키텍처 간의 비교 성능 분석을 제시하며, 특히 서포트 벡터 머신 (SVMs), 로지스틱 회귀, 나이브 베이즈, 그리고 롱 쇼트 터미널 메모리 (LSTM) 에 초점을 맞추었습니다. 워드 2벡 (Word2Vec) 임베딩을 활용하여 특징 표현을 수행했을 때, 실험 결과는 선형 커널을 가진 SVM 모델이 가장 높은 효율성과 정확도를 달성함을 나타냈으며, 최고 성능은 98.74% 에 도달했습니다. LSTM 모델은 스팸 관련 감성을 탐지하는 데 탁월한 리콜 (Recall) 능력을 보였으나, 판별적 통계 모델에 비해 훨씬 더 많은 계산 시간이 필요합니다. 혼동 행렬을 통한 상세한 평가는 전통적 분류기가 밀집 벡터 공간에서 여전히 매우 견고함을 입증했습니다. 이 연구는 이메일 감지 작업에서 SVM 이 예측 정밀도와 처리 속도의 가장 이상적인 균형을 제공함을 결론지었습니다. 이러한 발견은 전문 및 학술 환경에서 고성능 자동화된 이메일 필터링 시스템을 개발하는 데 중요한 통찰력을 제공합니다.