Литература по антиспаму

можно посмотреть историю успеха ребят из гмейла.

https://moderncrypto.org/mail-archive/messaging/2014/000780.html

http://www.nostarch.com/endingspam.htm

Спиратить эту книжку тоже можно.

Когда имеется только поступающее сообщение и база существующих сообщений, без адресатов, ip и прочих штук, к которым можно привязаться

Такой подход работает, только если все пользователи этой системы имеют примерно одинаковый трафик. Иначе, если один любит порнуху, другой считает ее спамом, то спам фильтр будет в замешательстве.

В курсе Machine Learning на курсэре сабж даётся в качестве одной из лабораторок.

http://eugene.kaspersky.ru/2012/02/10/fichi-nevidimogo-fronta-4/

Спам надо детектить не per user, а per forum.

Поэтому в гугле и запилили разделение на «соцсети», «промоакции», «оповещения» и «форумы»...

Дык эта.. :

https://www.google.ru/search?&q=forum spam filter

Ты же в условиях задачи ничего не сказал, где ты собрался фильтровать.

Не совсем понятна задача. Тебе нужно принимать совсем все? Так не бывает, п.ч. придумали всякие spf, dkim, ptr-записи для мыльных серверов.

У меня не мыло. Есть форум, работает в ТОС числе в анонимных сетях, т.е. привязки к адресу не может быть в принципе. Пользователей тоже нет, все анонимны. У нас есть только поступающие сообщения. Задача на основе сообщения узнать, спам/флуд это или осмысленный текст.

А... ну тогда наверное по каким-то ключевым словами фразам, по другому никак. Сообщения в text/plain или могут быть html-вставки?

Почему еще никто не вспомнил Байеса? Он ведь так старался. Осталось найти подходящую реализацию или написать ее самому.

Почему еще никто не вспомнил Байеса?

Уже вспомнили и даже ссылку дали.

http://www.nostarch.com/endingspam.htm

В немного модифицированном bbcode.

Благодарю, я проммотрю все ссылки, когда доберусь до десктопа. Пока только читаю лор в метро.