Re: [統計] 十月份西洽統計文

[Dialysis (Chiquitia)]

: 先定義什麼是廢文, 程式才可以遵循定義去判斷

定義廢文需要人工智慧，這太難了，

不過或許可以用一些間接指標。

間接指標並不等於廢文，但理論上應該有較大的機率可以篩選出發廢文傾向者。

我個人想到的一個指標：平均每篇文章的字數。

定義上，就扣除超連結及符號標點，算剩下的中英文字元數和，再除以發文數。

如果怕取平均數會誤導，或許可取中位數？

當然要在此重申，文字少並不等於廢文，只是要讓程式做簡單條件判斷，

一時之間也想不到什麼更簡單的指標了。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.118.139
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1477979233.A.9DE.html
推 tomuy: 有些貼圖的文字也很少啊
推 Skydier: 你知道有些人只貼連結一張圖就當一篇文嗎
推 WindSpread: 貼圖文對某些人來說也是廢文阿
→ oz5566: 你知道西恰一行文是傳統嗎
→ WindSpread: 比如新番心得點進去是30張圖
→ intela60474: 全西洽文餵下去看能不能訓練出幾個參數 我看很難...
推 swallowcc: 其實那句我只是要他知難而退啦XD 根本沒辦法定義好嗎..
推 hom5473: 推文中出現"廢"字的次數
→ tomuy: 情報文字有些也很少
推 ko27tye: 太麻煩了，直接建一個廢文ID table 大家覺得ㄋ
→ Xavy: 簡單阿，每篇文都做公投決定(誤
→ swallowcc: ID也是用人工取的啊,一定會參雜情感厭惡因素...
推 newwu: 直接deep learning用推文做output指標下去train，有八卦的
→ swallowcc: 哪天我靠這個吃飯的時候也許會去做吧XDDDD
→ newwu: data，資料應該能超過十萬筆
推 emptie: sibyl: ?
推 QBian: 老實說 點兔廢文的字都很多
→ Davinais: 字很多可是言之無物的文到底是不是廢文呢
→ shintz: 不需要啦 直接把特定id標上去就好了，反正誤判率很低
推 s32244153: 把嗎和?當關鍵字至少能過濾掉一萬篇廢文
推 QBian: 我只是想說字數不可行而已
推 jeeyi345: 有些人講不出什麼文算廢，就是想針對人黑嘛 又是個廢推
推 tsoahans: 用machine learning去分析文章的內容、推文、發文者記錄
→ tsoahans: 現在電腦判斷垃圾郵件正確率都有90%以上了 判斷廢文應該
→ tsoahans: 能做到差不多程度
推 juunuon: 轉貼資訊的文常常字也不多啊xd
推 refusekkk: 點兔騎士文算不算廢文？
推 cybermeow: 對啊大家整理個database後去用ml train一個model就行了