如何通过机器准确区分python和蛇的文章？

Question

我尝试创建一个像行星一样的python语言新闻聚合网站http://www.pythonmeme.com，我从G +和twitter等社交媒体中抓取python新闻，并通过一些python关键字抓取一些python feed。

但有些文章关于蛇的结果，我发现很难确定这些关于蛇的文章，我创建了一个过滤它的字典，但它不够好。

有更好的方法吗？

snack_dic = ['shoe', 'snake', 'nail', 'python hunter']

def is_snake(txt):
    for dic in snack_dic:
        if re.search(dic, txt, re.IGNORECASE) is not None:
            return True
    return False  

Answer 1

在帖子中查找其他与编程相关的单词：“syntax”，“error”，“program”，“programming”，“script”;你不可能在关于蛇的帖子中找到这些词。 （信用duskwuff澄清问题）

Answer 2

您可以尝试使用朴素的贝叶斯分类器。由于您对Python感兴趣，因此您可能已经熟悉spambayes。你需要手工分类一堆文章，将关于蛇（或喜剧小组）的文章称为“垃圾邮件”，将那些关于编程语言的文章称为“火腿”。