分類信息網(wǎng)站應怎樣防范垃圾信息

百度把搜索不公正歸于垃圾信息，而Google 則反唇相譏，說靠機器、技術手段來反垃圾已經(jīng)成為通行法則，百度的說法僅僅是一個借口而已。不管誰對誰錯，一個不爭的事實是垃圾信息已經(jīng)成為如今的信息時代的公敵。

方法一通過提取信息里的聯(lián)系方式，建立聯(lián)系方式黑名單

垃圾信息制造者不管IP如何變、內(nèi)容如何變，但是聯(lián)系方式是不變的。我們可以根據(jù)這一點來建立聯(lián)系方式黑名單數(shù)據(jù)庫。目前中國用戶用的最多的聯(lián)系方式有：電話號碼、QQ號、網(wǎng)址、Email地址等。這些聯(lián)系方式都有一定的特征，很容易通過正則表達式提取出來。那么具體如何建立黑名單呢?列表網(wǎng)的做法是：如果一條信息被用戶惡評五次，那么該信息自動標記為惡評狀態(tài)并隱藏。經(jīng)確認的被用戶投訴的信息也被置于惡評狀態(tài)。當一條信息被置于惡評的時候，該惡評信息里的所有聯(lián)系方式均被存入黑名單數(shù)據(jù)庫中，并且出現(xiàn)頻率字段加1。這樣我們就有了聯(lián)系方式黑名單數(shù)據(jù)庫了，該數(shù)據(jù)庫有聯(lián)系方式的出現(xiàn)頻率及最新出現(xiàn)時間等信息。所有這些操作除了用戶投訴需要人工辨別外，其他的都是機器自動完成的。

方法二鑒別并刪除異地商家信息

分類信息網(wǎng)站的特點之一就是本地性，本地用戶到分類信息網(wǎng)站上來看的就是本地的租房、交友、服務等信息。因此如果信息里面出現(xiàn)異地的電話號碼的話則應該作為垃圾信息處理。這個可以通過手機屬地數(shù)據(jù)庫及電話區(qū)號數(shù)據(jù)庫來判斷。并不是所有的類目都適用這條方法的，像交友、尋人類目就不應該采用這種方法。但是像二手車類目、服務類目則完全可以采用這種方法過濾掉異地信息。

方法三限制某些類目同一天內(nèi)一個用戶只能發(fā)布一條信息

重復的信息太多了，對用戶的體驗也不好。在這里重復信息的定義是：同一個用戶或商家(包括商家聘請的信息發(fā)布者)發(fā)布的內(nèi)容相同或相似的信息。這些類目包括：生活服務、商務服務、培訓、交友、車輛等。那么如何避免重復信息的發(fā)布呢?列表網(wǎng)的做法是：在這些類目中用戶一天內(nèi)發(fā)布的所有信息中只保留最近發(fā)布的信息，其他信息則刪除。

方法四關鍵字過濾

最后不要忘了關鍵字過濾。一些有害的、敏感的關鍵字是肯定需要過濾的。

以上是分類信息網(wǎng)站可以采納的反垃圾信息的簡單的行之有效的幾種方式。如果能配合貝葉斯算法過濾垃圾信息那就更完美了。