GO语言利用K近邻算法实现小说鉴黄

　　Usuage:
go run kNN.go --file=data.txt

　　关键是向量点的选择和阈值的判定
样本数据来自国家新闻出版总署发布通知公布的《40部淫秽色情网络小说名单》

　　 package main import ( bufio flag fmt io log math os path path/filepath ) var debug bool = false var data_dir string = ./moyan //文件存放目录 var limen float64 = 0.1159203888322267 //阈值 const ( MIN_HANZI rune = 0x3400 MAX_HANZI rune = 0x9fbb ) var labels []rune = []rune{ 0x817f, 0x80f8, 0x4e73, 0x81c0, 0x5c41, 0x80a1, 0x88f8, 0x6deb, } func errHandle(err error) { if err != nil { log.Fatal(err) } } func load(name string) (m map[rune]int, err error) { f, err := os.Open(name) if err != nil { return nil, err } defer f.Close() buf := bufio.NewReader(f) m = make(map[rune]int) var r rune for { r, _, err = buf.ReadRune() if err != nil { if err == io.EOF { break } return nil, err } if r >= MIN_HANZI && r <= MAX_HANZI { m[r] += 1 } } return m, nil } func classify(m map[rune]int) (idv []float64, dis float64) { len_m := len(m) for i, v := range labels { if debug { fmt.Println(i, m[v], string(v), float64(m[v])/float64(len_m)) } idv = append(idv, float64(m[v])/float64(len_m)) } for _, v := range idv { dis += math.Pow(v, 2) } dis = math.Sqrt(dis) return } func check(fp string, dis float64) { switch { case dis >= limen: fmt.Println(fp, dis, 涉黄) case dis == 1.0: fmt.Println(fp, dis, 你在作弊吗) case dis == 0: fmt.Println(fp, dis, 检查一下文件字符编码是不是utf8格式吧) default: fmt.Println(fp, dis, 正常) } } func walkFunc(fp string, info os.FileInfo, err error) error { if path.Ext(fp) == .txt { m, err := load(fp) errHandle(err) _, dis := classify(m) check(fp, dis) } return err } var file string func init() { _, err := os.Stat(data_dir) if err != nil { err = os.Mkdir(data_dir, os.ModePerm) errHandle(err) } flag.StringVar(&file, file, , file read in,if you dont give the file read in,+ it will create a data dictionary,just pust your files in it) } func main() { flag.Parse() if file == { filepath.Walk(data_dir, walkFunc) return } m, err := load(file) errHandle(err) _, dis := classify(m) check(file, dis) }

　　以上所述就是本文的全部内容了，希望大家能够喜欢。