如何编写垃圾邮件过滤器答案

【问题标题】：How to write spam filter如何编写垃圾邮件过滤器
【发布时间】：2010-09-22 17:36:01
【问题描述】：

我不得不编写一个简单的垃圾邮件过滤器我不确定我将如何去做。

到目前为止，我已经提出了词表和域过滤，它们将给出或删除达到某个阈值的点。

例如，如果您从列入黑名单的域中撰写有关“v1agr4”的信息，您将获得 2 分的垃圾邮件，但如果您从 hotmail.com 帐户撰写有关“v1agr4”的信息，您将仅获得 1 个“垃圾邮件点”。

你们还有其他建议/资源吗？

这更多是关于学习垃圾邮件过滤器，而不是开发企业级的东西

【问题讨论】：

【解决方案1】：

编写垃圾邮件过滤器取决于您对可扩展性的需求。

如果您想要一个可扩展的解决方案，那么内容过滤可能不是明智的选择，因为它非常消耗 CPU 和内存，您宁愿选择基于信誉的过滤或基于黑名单的过滤，这将是一种方式在您的服务器上对 CPU 更友好，并且更容易编写。

我写了一个a post on my blog，从程序员的角度解释了编写垃圾邮件过滤器的想法，并涵盖了从基于内容的过滤到基于黑名单的过滤的所有选项。

【讨论】：

【解决方案2】：

您可以将其委托给分布式服务。 Akismet 是一个很好的解决方案。

【讨论】：

【解决方案3】：

一些与贝叶斯垃圾邮件过滤相关的开源 Java 项目（LFSR Consulting 提到过）：

还有一个针对 C++ 的额外功能：

【讨论】：

【解决方案4】：

我已经写了one with all the bells and whistles。

【讨论】：

【解决方案5】：

查看 Bayesian Spam Filtering。

我知道 perl 有一个库，所以我假设 java 也有一个。

【讨论】：

【解决方案6】：

这里有一些非常好的算法信息：

但是，说真的，为什么要重新发明轮子？

【讨论】：