0
我在社交媒体监控系统上工作。我们不会自己抓取网页，我们从Spinn3r等聚合器获取Feed。在大多数情况下，只有链接到色情网站的“博客”被过滤掉，但我们希望内部的内容能够在更快的时间内进行培训，而不是等待上游提供商进行更改。开箱即用垃圾邮件过滤？
我看着Spamassassin，如果我们正在处理电子邮件，它对我们的目的来说是理想的。是否有任何一个图书馆可以只读取一定数量的文本，并根据工作频率，链接数量，隐藏背景文本等内容为其提供质量得分？
理想情况下，我正在寻找Java中的某些东西，但如果没有任何东西，我可以使用客户端服务器或嵌入jruby或jython库。
我想我最终不得不自己建造它，但它总是值得一试。