用第三方数据和一个开源文本分类库撸了一个短语垃圾分类器

[bobuick]

临时开的测试地址

git 里只有 load handler 的部分， 训练数据太大了，没放上去。随便玩玩， 大神轻喷， 准确率还没做仔细评测，应该对训练数据做个比例分离，拿一部分做测试数据， 算法库是 LibLinear ，在它基础上还有一层 python 封装库 tgrocery

我是 git 地址 求 star =。＝

[qqmishi]

http://115.231.96.136:8810/v1/classify?msg=冃狌交伖，释鲂压劦、棑解漃瘼◆真人视频.网址： wWw.GitHub 。 Com

{"predict": {"ad": -0.066918752863160541, "spam": -0.10691206619180635, "porn": -0.13125600199396634, "nonsense": -0.17521140226677201, "politic": -0.15298335802307686, "ham": 0.6332815813380146}, "res": "ham"}

23333

[bobuick]

＝。＝牛，数据短缺， “冃狌交伖，释鲂压劦、棑解漃瘼”

[bobuick]

看来火星文和用偏僻词谐音的数据缺的比较厉害， 这么一比较我那些训练数据原来那么和谐呢

[vincentfung13]

题主是在哪拿到的训练数据啊，能分享下么，哈哈哈