长话短说，我正在尝试将非电子邮件文本（实际上是小书）过滤为坏（垃圾邮件）和好（火腿）。我正准备使用 bogofilter ( http://bogofilter.sourceforge.net/ )，因为它看起来既成熟又有效，但是我一直在用 Python 编写代码；这意味着我可能不得不使用子进程从我的脚本中调用 bogofilter，因为它是用 (C?) 编写的。我刚刚遇到了一个基于 python 的垃圾邮件过滤器，它似乎可以满足我的需要https://github.com/jart/redisbayes（虽然我还没有测试一个与另一个的有效性。我还没有一个很好的数据集）。它使用了一个看起来一切都很好的 redis 密钥后端，但是我不熟悉 redis，并且不确定它与对 bogofilter 的子进程调用（由 BerkleyDB 支持）相比有什么优点/缺点。我知道 redis 实际上是一个服务器进程，因此似乎我必须在脚本启动之前运行一个实例。这不是什么大问题，但最终目标是让它在我的 Uni 的服务器上运行；另一方面，bogofilter 没有需要我注意的正在进行的后台进程。
归结为 1：性能（说实话并不是世界末日，这个数据集是 100k-400k 短文本行；大约 50 MB 的价值），2：实用性不仅来自程序员的立场（我！），但稍后是系统管理员，以及 3：模型可靠性（我计划在这里稍微研究一下 bogofilter 算法，因为我知道它不仅仅是一个贝叶斯模型......我想。我是机器学习领域的新手）。
我只是想对最聪明的行动方案有一些想法，也许可以帮助下一个人做这样有点晦涩的事情。卑微的本科生愿意接受建议，打我！