这是一个创建于 2989 天前的主题，其中的信息可能已经有所发展或是发生改变。
Hello，大家好，我自己做个几个私人项目经常会遇到广告或者垃圾评论，所以写了个文本过滤器。
这个项目目的是使用机器学习／人工智能来判别垃圾内容，现阶段用户输入句子会先经过分词，然后通过朴素贝叶斯模型判别成正常，色情，赌博，政治敏感四个类别。现在每个类别各使用了 100 个训练数据，辨别准确率大约为 93%。
特点：
-
开箱即用，快速上手
内置预训练模型以及文件缓存，开箱即用。同时使用 numpy 库做矩阵计算，判断速度非常快
-
准确率高
现阶段使用了 400 个训练数据，准确率达到 93%。 下载后可以通过运行
python -m unittest tests.test_bayes 得到准确率测试结果 This may takes some time Completed 0 tasks, 20 tasks left. Completed 5 tasks, 15 tasks left. Completed 10 tasks, 10 tasks left. Completed 15 tasks, 5 tasks left. The error rate is 6.83% 测试 20 次，每次从数据集随机取出 20 个数据作为测试数据，剩下的作为训练数据。然后计算平均错误率 -
可定制
自己可以添加修改数据源，增加训练正确率
希望大家多提建议或者意见
 | 1 holajamc 2017 年 11 月 9 日 已 star~ |
| 3 holajamc 2017 年 11 月 9 日 @Windsooon 用过这个 https://github.com/pakrchen/text-antispam 推荐给你参考~ |
 | 4 huangfs 2017 年 11 月 9 日 这个样本有点少啊。。 |
 | 5 MaiCong 2017 年 11 月 9 日 我曾经研究过这个垃圾过滤，找到个 datagrand 提供的接口，简单点的 curl 版： curl 'http://fileload.datagrand.com:8080/audit' -H 'Content-Type: application/x-www-form-urlencoded; charset=' -H 'Accept: */*' -H 'Cache-Control: no-cache' -H 'Referer: http://www.datagrand.com/demo/nlp/' --data 'text=%E6%96%87%E7%AB%A0%E4%B8%8D%E9%94%99%EF%BC%8C%E5%8A%A0V%E8%AF%A6%E8%B0%88%20sb***' --compressed | json_pp 返回： { "reaction" : 0.0153, "is_insult" : 0, "is_ad" : 0, "politic" : 0.0153, "weight_insult" : 0.2905, "weight_ad" : 0.3412, "porn" : 0.0855 } |
 | 6 noe132 2017 年 11 月 9 日 一直想学习了解机器学习相关的内容，不知该如何入门？应该了解一些什么技术或者资料？ |
 | 11 noNOno 2017 年 11 月 9 日 特征选择是用了词袋么 |
Select Language