文档过滤

1、早期的过滤器 早期的都是基于规则的分类器，使用事先设计好的一组规则，用于指明某条信息属于垃圾信息。典型的规则有： -英文大写字母的过度使用 -与医药学相关的单词 -过于花哨的HTML用色等 2、智能分类器 a. 特征提取 将单词作为文档的特征，其假设：某些单词相对而言更会出现在垃圾信息中。不过特征未必是一个个单词，他们也可以是词组或者短语，或者任何可以归为文档中缺失或者不存在的其他东西。 如何

>>阅读原文<<