长话短说，我试图将非电子邮件文本（实际上是小书）过滤为坏（垃圾邮件）和好（火腿）。我正准备使用bogofilter（http://bogofilter.sourceforge.net/），因为它似乎既成熟又有效，但我一直用Python编写代码;这意味着我可能不得不使用子进程从我的脚本中调用bogofilter，因为它是用（C？）编写的。 我刚刚遇到一个基于python的垃圾邮件过滤器似乎做了我需要的https://github.com/jart/redisbayes（虽然我没有测试过一个与另一个的有效性。我还没有一个很好的数据集）。它使用了一个看起来很好且很好的redis密钥后端，但是我不熟悉redis并且不确定它与bogofilter（BerkleyDB支持的）子进程调用相比有什么优点/缺点。我知道redis实际上是一个服务器进程，因此我似乎必须在脚本启动之前运行一个实例。这不会是一个太大的问题，但最终的目标是让我的Uni的服务器运行;另一方面，bogofilter没有持续的后台程序需要我注意。
归结为1：性能（说实话不是世界末日，这个数据集是100k-400k短文本范围内的东西;价值约50 MB），2：实用性不是只有程序员的立场（我！），但后来的系统管理员，以及3：模型的可靠性（我计划在这里看一下bogofilter算法，因为我明白它不仅仅是一个贝叶斯模型......我想。我是机器学习领域的新手。）
我只是想要了解最聪明的行动方案，并且可能会帮助下一个做这样的事情略显模糊的人。低级本科开放的建议，打我！！