2

首先这是很难解决的问题，到目前为止我还没有想出一个很好的例子，但我希望这里有人能解决这个问题。我希望有解决这类问题的已知方法，或者一种晦涩难懂的算法。

设想：

  • 在我的应用程序中，我对同一个网页做了几个请求
  • 网页中有动态和随机的内容，例如（日期时间和当天的报价等，理论上可以是任何内容）
  • 此应用程序的响应有 2 种情况，我们称它们为“TRUE”和“FALSE”。例如，有时响应会返回“True Text”，有时会返回“False Text”。
  • 我的应用程序知道 3 个“TRUE”案例样本和 3 个“FALSE”案例样本，但这些也包括“时间”等随机内容。

挑战

  • 现在，当我的应用程序收到新响应时，我如何了解此响应是“TRUE”还是“FALSE”案例的示例？

我试过的

  • 逐行处理TRUE case的第一个样本，并根据字符的值生成一个整数数组
  • 对第二个 TRUE 样本做同样的事情
  • 对第三个 TRUE 样本做同样的事情
  • 分析这些存储的 TRUE 案例之间的差异并创建一个新数组
  • 现在，我知道哪些行是动态的（例如日期时间），现在我创建了一个新的最终 TRUE 案例数组，它只将静态行存储到最终的 TRUE 案例数组中。
  • 现在，当我得到一个新案例时，我创建了一个类似的数组，然后将其与之前存储的最终 TRUE 案例进行比较，如果匹配（过滤行除外），如果其他行发生大量更改（存在容差值），那么它是 TRUE 案例错误的。

该算法的局限性和弱点非常明显。虽然我在某些情况下取得了一些不错的结果，但它并没有一直按预期工作。

我目前的课程是这样的：

Dim Analyser AS NEW ContentAnalyzer()
Analyser.AddTrueCase(True1Html)
Analyser.AddTrueCase(True2Html)
Analyser.AddTrueCase(True3Html)

'This will return True if the UnknownHtml is similar to TRUE case, otherwise False
Analyser.IsThisTrue(UnknownHtml)

对不起，标题没有多大意义，我找不到描述它的好方法。

4

3 回答 3

2

听起来您正在做相当简单的文档分类。这是一个深入研究的领域，尤其是最近由于垃圾邮件过滤器。使用您选择的语言查看文档分类库。

Classifier4j看起来像是在 Java VM 上运行并已移植到 .NET 的流行库。

于 2009-04-02T22:31:22.973 回答
1

要么这真的是错误的，要么我没有得到任何东西：

应用程序请求网页并获取它，并且必须确定它是另一个“真”还是“假”，对吗？这就是说，Web 请求的一部分不是在开头返回真或假，这是我第一个困惑的地方。

其次，您为什么不对错误案例进行类似的比较，看看是否有足够的相似性来为请求的某些随机页面创建 3 个结果桶：

1) 页面更类似于真实，因此被视为真实。

2) page 更类似于 false，因此被视为 false。

3) 页面与两者都不太相似，因此结果类似于 null 或异常情况，因为无法辨别哪个结果有意义。

第三种情况可能发生的示例：假设页面包含一个整数，如果为正，则结果为真，如果为负，则结果为假。如果结果为 0 怎么办？0 等于其绝对值，因此算作正数，还是由于某种原因算作负数？

或者我在你在这里想要做的事情上有所偏离？

于 2009-04-02T22:25:29.867 回答
0

也许您的意思是贝叶斯过滤之类的东西？你可以看看 Paul Graham 对垃圾邮件做了什​​么：http: //www.paulgraham.com/better.html

于 2009-04-02T22:49:21.400 回答