[SIMILAR] WITH 7748 良案 WITH 7323 幅高 WITH 2925 export WITH 2532 import WITH 2390 revision WITH 2351 速化 WITH 2022 、im WITH 1978 廃止 WITH 1516 bsfilter WITH 1328 大幅 WITH 977 形式 WITH 873 高速 WITH 624 無駄 WITH 507 パス WITH 399 マッ WITH 386 ォー WITH 371 変更 WITH 295 ーマ WITH 276 フォ WITH 118 ット WITH 1 [ WITH 1 ] WITH 1 1 WITH 1 . WITH 1 33 WITH 1 4 WITH 1 3 WITH 1 する WITH 1 るフ WITH 1 トを WITH 1 を変 WITH 1 更し の検索結果 219 件中 1 - 10 件目 (0.090016036 秒)
exportするフォーマットを変更して、importを大幅高速化。mbox-likeな形式でexportして、importはadd-clean/spamのパスを通すのは、良案だと思ったのだが遅すぎるので廃止。無駄にCPUを使うと、でんこちゃんに怒られそうだし。 ...
どうしようかしら? 激しくツッコミ希望。 ChaSenあたりを使ってみる。 -u高速化。--incrementalオプションを付けて、"-u -c --incremental"とすると、メイルに出てきたtokenについてのみ、確率テーブルを計算し直す。-aも早くなる。 いっそのこと、確率テーブル廃止? SPAM判定のときに、その場でtoken database ...
_ (スコア:2840)
長官も何度か止まると言っているので、gdbmをサポートしてみる。 以下で移行可能。 bsfilter --db sdbm --export-clean | bsfilter --db gdbm --import-clean bsfilter --db sdbm --export-spam | bsfilter --db gdbm --import-spam bsfilter --db gdbm -u データベースを縮小するとき(デフォルトでは10000通を ...
_ (スコア:2727)
Invalid Text BBSでの議論にもとづき、-c、-sでfindするのを止めた。 今後は、-c ~/Mail/inboxでは駄目で、-c ~/Mail/inbox/*とする必要がある。 ~/.bsfilter/bsfilter.confを読むようにした。--config-fileで指定することも出来る。--homedirと、--config-fileで、ハイフンの有無が違うのが、気持ち悪い。--co ...
_ (スコア:2698)
えむもじらの"training.datの構造"を参考に、training.datをダンプするdump_mozdatを作った。tokenizerの仕様は、大筋、 連続したひらがな、カタカナは1token 漢字は1文字で1token となっている模様。 NAME dump_mozdat SYNOPSIS dump_mozdat [--export-clean|--export-spam] training.dat DESCRIPTION dump tr ...
_ (スコア:2680)
--pipe, --insert-flag, --insert-probability追加 デフォルトのデータベース形式をsdbmに変更 デフォルトのspam判定方式をRobinsoh-Fisherに変更 ...
_ (スコア:2408)
しばしば日記等で遅いと書かれている。 googleで検索 しても、それなりに引っかかる風味。 "遅い"で思いだすジョブズの話。 MacOSを開発したが起動が遅い。最適化してもやっぱり遅い。で、ジョブズが檄を飛ばす。「多くの人が、多くの回数起動するのだ。その時間を合計すれば、人の寿命に匹敵するのだ。人の命を ...
_ (スコア:2354)
Invalid Text ほんの少し高速化 連続していない漢字(==1文字だけ)も判定に使用する。動詞を拾うことが狙い MeCabが名詞と判断した物は、そのまま判定に使用する。以前は、ひらがなを捨てたり、カタカナと漢字でさらに分解したりしていた Prozaccが登録されていなかったら、最後の1文字を削ってProzacで試すよう ...
_ (スコア:2354)
revision 1.69.2.1でパッチを取り込んだ。コンパイル条件不明でのパフォーマンスはざっくり、sdbm > gdbm = bdb1 > qdbm > bdb な感じ。 cdbはインターフェースが気持ち悪いので、今のところ見送り。 OS / エンディアンが違ってもDBが共通に使えると嬉しい。sdbmかgdbmかはダメだった記憶がある。 ...
_ (スコア:2317)
漢字にマッチしなくなってたのをデバッグ メイルのヘッダ中のtokenは、ヘッダごとにカウント Receivedのタイムスタンプは、いい加減に捨てる。Message-Id、Date等も捨てる それっぽいのは、base64 decodeする でも、MIMEの解釈はしない 20文字以上のtokenは捨てる tokenizerがぐちゃぐちゃになったので、要修正 ...
_ (スコア:2296)
_ (スコア:10000)