java - 检查 Java 字符串实例是否可能包含垃圾邮件数据的最简单方法

Question

我有一个迭代 String 实例的过程。每次迭代都对 String 实例执行很少的操作。最后，String 实例被持久化。

现在，我想为每次迭代添加一个检查字符串实例是否可能是垃圾邮件。我只需要验证 String 实例不是“成人材料”垃圾邮件。

有什么建议吗？

Answer 1

这是业界一直在努力解决的一个非常棘手的问题。最好的办法是尝试使用Classifier4J等现有解决方案以及黑名单数据源来识别垃圾邮件。

Answer 2

您需要应用一些贝叶斯逻辑，这就是Andrew 提到的Classifier4J在幕后所做的事情。

几年前，保罗格雷厄姆写了一篇很好的文章 - http://www.paulgraham.com/spam.html。

Answer 3

您可以尝试编写自己的分类器等，但如果您保证网络访问，那么仅使用Akismet 和 Java 绑定怎么样？它非常适合查找垃圾邮件。

您需要考虑网络连接和许可。

Answer 4

最简单的方法就是检查已知的垃圾邮件词。这里的问题是，在不同上下文中表示不同事物的词很容易得到误报。您要么需要手工挑选单词列表，并且只包括那些没有正当理由的单词，要么选择更重量级的解决方案。