有什么不良内容检测的方案吗? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
KIDJourney
V2EX    Python

有什么不良内容检测的方案吗?

  •  
  •   KIDJourney
    KIDJourney 2016 年 1 月 25 日 4056 次点击
    这是一个创建于 3638 天前的主题,其中的信息可能已经有所发展或是发生改变。

    最近在做一个百度贴吧的自动管理机。
    现在用的是关键词判别,但是这样误杀率太高了。。。
    有没有什么现有的不良内容(涉黄,粗口,不友善)检测方案吗?

    顺便丢个地址,求 star 什么的。。。
    TiebaManager

    33 条回复    2016-01-27 10:46:32 +08:00
    KIDJourney
        1
    KIDJourney  
    OP
       2016 年 1 月 25 日
    这个现在已经可以用啦,只不过根据关键词来弄得话误杀率比较高。。。
    KIDJourney
        3
    KIDJourney  
    OP
       2016 年 1 月 25 日
    @aheadlead 多谢。
    SoHMarionette
        4
    SoHMarionette  
       2016 年 1 月 25 日
    实际来说都会有一定的误判吧
    例如发广告的加空格,连句触发
    毕竟中华文化博大精深
    zhicheng
        5
    zhicheng  
       2016 年 1 月 25 日 via Android
    朴素贝叶斯
    ethego
        6
    ethego  
       2016 年 1 月 25 日
    @SoHMarionette 去空格再进行分词,现在中文分词的正确率已经非常高了
    SoHMarionette
        7
    SoHMarionette  
       2016 年 1 月 25 日
    @ethego 不仅仅是空格,还有加符号的,加一样的字的什么的层出不穷,邮箱已经见惯不惯了
    ethego
        8
    ethego  
       2016 年 1 月 25 日
    @SoHMarionette 一行正则就能剔除所有符号
    KIDJourney
        9
    KIDJourney  
    OP
       2016 年 1 月 25 日
    @zhicheng 吧务后台现在有问题,不然我也用训练集了。
    timepast
        10
    timepast  
       2016 年 1 月 25 日
    同求一份脏字库
    lrz0lrz
        11
    lrz0lrz  
       2016 年 1 月 25 日
    @ethego 同噩性噩交噩友,缓解寂寞 wWw 点 V2EX 点 cOm
    ethego
        12
    ethego  
       2016 年 1 月 25 日
    @lrz0lrz 你这个只能人工审核,没别的办法
    ethego
        13
    ethego  
       2016 年 1 月 25 日
    @lrz0lrz 可以做到把这种异常的语句剔出来人工审
    nlzy
        14
    nlzy  
       2016 年 1 月 25 日 via Android
    迅哥好

    @lrz0lrz 这个不应该是 wWw 点 BilIbiLi 点 c0M 么
    aprikyblue
        15
    aprikyblue  
       2016 年 1 月 25 日
    只有我想到鉴黄师吗?:doge:
    KIDJourney
        16
    KIDJourney  
    OP
       2016 年 1 月 25 日
    @nlzy 泥壕
    gzlock
        17
    gzlock  
       2016 年 1 月 26 日 via Android
    @lrz0lrz
    正则可破,就是开销大
    同.{0,3}性.{0,3}交.{0,3}友
    但如果用同音字就无解了:铜星焦油 无解

    @nlzy 网址有点麻烦,不过还是有规律
    例如你举例的
    .{1,5}[.。点].{2,10}[.。点].{2,5}

    ps :以上正则用于已去除空格的文本
    ryd994
        18
    ryd994  
       2016 年 1 月 26 日 via Android
    贝叶斯大法好
    但首先你得有足够的样本库……
    nlzy
        19
    nlzy  
       2016 年 1 月 26 日 via Android
    @gzlock 误杀率好高,这个正则连 2016.01.26 或 ...... 都能匹配到
    KIDJourney
        20
    KIDJourney  
    OP
       2016 年 1 月 26 日
    @ryd994
    吧务后台挂啦。。。。不然我就用了。。。。。
    而且还要处理图片,这个比较麻烦。。。
    em70
        21
    em70  
       2016 年 1 月 26 日 via iPhone
    阿里云的 OSS 有图片鉴黄功能了
    KIDJourney
        22
    KIDJourney  
    OP
       2016 年 1 月 26 日
    @em70 看到啦,多谢。
    wd0g
        23
    wd0g  
       2016 年 1 月 26 日
    腾讯好像有个语义识别
    KIDJourney
        24
    KIDJourney  
    OP
       2016 年 1 月 26 日
    @wd0g 看了,很棒,多谢~
    但是 API 太贵了。。。。
    lavasing
        25
    lavasing  
       2016 年 1 月 26 日 via Android
    @nlzy
    @lrz0lrz
    应该是 github
    :doge:
    ye10010
        26
    ye10010  
       2016 年 1 月 26 日
    @ryd994 有没有贝叶斯 python 实现方面的资料参考下?俺有样本
    KIDJourney
        27
    KIDJourney  
    OP
       2016 年 1 月 26 日
    @ye10010 scikit-learn
    KIDJourney
        28
    KIDJourney  
    OP
       2016 年 1 月 26 日
    @ye10010 为啥不问我← ←
    wd0g
        29
    wd0g  
       2016 年 1 月 26 日
    @KIDJourney 自己抓包腾讯语义分析 demo 站的 API ,我以前试过可以的!
    ryd994
        30
    ryd994  
       2016 年 1 月 27 日 via Android
    @ye10010 我没做过,不了解
    ye10010
        31
    ye10010  
       2016 年 1 月 27 日
    @KIDJourney 多谢大神^-^,star 啦.
    是 steam 吧 KIDJourney 吗?好活跃,可惜俺不玩游戏
    KIDJourney
        32
    KIDJourney  
    OP
       2016 年 1 月 27 日
    @wd0g 我一开始也是这样想的 23333
    我每分钟要判 20 次,我多开几个 IP 吧。
    KIDJourney
        33
    KIDJourney  
    OP
       2016 年 1 月 27 日
    @ye10010 是哒,我也不怎么玩了。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1017 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 28ms UTC 23:28 PVG 07:28 LAX 15:28 JFK 18:28
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86