GNote.Net | 记笔记

anti-spam的思路可以分成两种

一：

增加spam的成本

二：

识别spam，清除掉

增加spam的成本，这种方法很常见

例如，对于digg类的应用来说因为

参与的人数众多，spam的成本就比较高

像网站注册或者发表评论和留言时输入验证码也是提高spam成本的方法

方法二识别spam就有点难了

可以观察一些特征，并设计算法来识别

高级一点的算法如机器学习或者数据挖掘等

但是如果spam的特征不明显就很难识别了

这就有一个识别率的问题

这里涉及到两点

一是识别spam的正确率，即有多少比例的spam被识别出来了

二是识别错误率，即有多少非spam被识别成spam了

相应的就有两种策略

是宁可错杀一千不可漏网一个呢

还是宁可漏网一千不可错杀一个呢

需要注意的还有

增加spam成本可能同时会增加正常用户的使用成本-例如使用识别码

其它问题

人手工参与到anti-spam的过程是否合适

我认为是合适的

却有人批评我们人工干预一些排名的确定

这种批评是没有道理的

那些标榜自己是完全机器生成而没有人工干预结果的是放屁！

因为

1.不可能没有人工干预，人工干预在很多时候，成本低，见效快。
2.算法是由人设计的，所以说机器生成的，也就是人生成的。如果不想让谁出现只要设计算法屏蔽就可以了，这样算不算没有人工干预而完全由机器生成呢。效果是一样的。
3.如果真的没有人工干预，那你打开各个搜索引擎的热门关键词排行榜，前十名一定有一半是色情词汇。

Trackback URI | Comments RSS