pro-maker

ШАНС-ON:
В итоге разбил все на 3 страницы и сделал на поддомене.

Californiy:
Оптимизируйтесь под множество низкочастотных запросов в данной тематике.

-=Илья=-:
У меня есть хобби - делаю простенькую мебель.

-=Илья=-:
мне нужны не цифры на счётчике, а обратная связь, хотя бы в комментариях вида "автор, убей себя"

-=Илья=-:
на форум в результате лезут только неадекватные юзвери - но зато как тараканы на свет

Lor:
спам и скам - разные вещи. Содержание поста со скамом зачастую ничем не отличается от содержания обыкновенного обьявления.

Lor:
Регистрироваться мне лень - слишком много чести будет Яндексу. Надоели уже. Каждый жук и жаба корчит из себя охерительный "социальный портал". Детский сад - трусы на лямках.

Есть поисковик. У него есть данные, которые поступают на вход, дальше они идут в базу, индексируются.

Юзерам данные доступны сразу же после их попадания в базу еще до индексации.

Фильтрация на "подлете" в принципе возможна, например, я вполне могу себе позволить зарулить все данные перед занесением в базу на черный список регулярных выражений, где отсеется большая часть спама. Недостаток: внутри этой кучки будет чуть-чуть полезных данных, а также будет работать нелегкий на подъем PCRE.

Есть другой, я бы сказал, более красивый вариант. Фильтрация данных, когда они уже находятся в индексе. Прелесть способа заключается в том, что мне нужно получить только признаки спама в виде сумм CRC32 нормальных форм слов различных частей данных (заголовок, текст) и сравнивать их с такими же суммами CRC32 тех данных, которые я отобрал вручную и которые заведомо являются спамом. В этом случае по черному списку можно составлять только "список подозрений", т.е. список, который надо будет разгребать опять же вручную, вылавливать оттуда спам.

Недостаток:

Спам вылавливается уже тогда, когда его могли видеть люди, когда он мог попасть в рассылку и т.д.

Можно поступить по-другому, т.е. как всегда извернуться и скрестить оба варианта. На подлете в базу фильтровать по черному списку, но не удалять, а заворачивать в отстойник, невидимый пользователям, а потом каждый день рагребать отстойник при помощи рук и сумм CRC32 нормальных форм слов, сравнивая с такими же суммами признаков.

Кто поможет ответить на мой вопрос?

Сразу оговорюсь, что аксимет не спасет отца русской демократии, мне нужно фильтровать вполне безобидные вакансии и резюме, часть из которых является лохотроном, т.е. это не тот виагроциалис-спам, к которому все привыкли.

Кто не понимает, о каких суммах CRC32 идет разговор, прошу ознакомиться:
http://estrabota.com.ua/content/other/own_se.html
http://users.livejournal.com/_yukko_/370337.html

Lor:
Фильтрация скама на входе требует смыслового анализа текста, а это уже неподьемная работа, как минимум, на сегодняшний день.