上文提到了贝叶斯算法的几种开源实现，本文说说如何将其中一种名为b8的开源实现集成进CakePHP。
下载b8及安装
- 去b8的站点下载最新版本，将其解压至vendors目录，文件位置如vendors/b8/b8.php；
- 用文本编辑器打开vendors/b8/etc/config_b8，修改databaseType为mysql；
- 用文本编辑器打开vendors/b8/etc/config_storage，修改tableName为你用来存储关键字的数据表的名字，修改createDB为TRUE，要注意的是，当你第一次运行b8后，它会建立上述数据表，然后你要重新把createDB改为FALSE；
- 用文本编辑器打开vendors/b8/lexer/shared_functions.php，将38行的代码（在echoError())注释掉，否则b8会直接把错误信息显示在你的Cake应用中，当然这在调试程序时还是有用的。
为b8写一个wrapper component
为了让你的Cake能够调用到b8，你需要写一个component。在controllers/components/新建一个spam_shield.php，加入如下代码：
class SpamShieldComponent extends Object {
/** * b8 instance*/
var $b8;
/** * standard rating * * comments with ratings which are higher than this one will be considered as SPAM*/
var $standardRating = 0.7;
/** * text to be classified*/
var $text;
/** * rating of the text */
var $rating;
/** * Constructor * * @date 2009-1-20 */
function startup(&$controller) {
//register a CommentModel to get the DBO resource link
$comment = ClassRegistry::init('Comment'); //import b8 and create an instance
App::import('Vendor', 'b8/b8');
$this->b8 = new b8($comment->getDBOResourceLink()); //set standard rating
$this->standardRating = Configure::read('LT.bayesRating') ? Configure::read('LT.bayesRating') : $this->standardRating;
}
/** * Set the text to be classified * * @param $text String the text to be classified * @date 2009-1-20 */
function set($text) {
$this->text = $text;
}
/** * Get Bayesian rating * * @date 2009-1-20 */
function rate() {
//get Bayes rating and return return
$this->rating = $this->b8->classify($this->text);
}
/** * Validate a message based on the rating, return true if it's NOT a SPAM * * @date 2009-1-20 */
function validate() {
return $this->rate() < $this->standardRating;
}
/** * Learn a SPAM or a HAM * * @date 2009-1-20 */
function learn($mode) {
$this->b8->learn($this->text, $mode);
}
/** * Unlearn a SPAM or a HAM * * @date 2009-1-20 */
function unlearn($mode) {
$this->b8->unlearn($this->text, $mode);
}
}
几点说明：
- $standardRating是一个临界点。如果贝叶斯概率高于这个值，则此留言被认为是spam，否则是ham。我设置为0.7，你可以根据自己的情况修改；
- Configure::read('LT.bayesRating')是从系统运行配置中动态地获取上述临界点的值，这是我的做法，你可能用不到，根据情况稍微修改甚至不修改都行；
- Comment指的是评论的model；
- 由于b8需要获得数据库句柄以便能够操作数据表，所以在startup()中我写了$this->b8 = new b8($comment->getDBOResourceLink())一句，其中用到的getDBOResourceLink()马上会提及。
为b8传入数据库句柄
在models/comment.php中加入如下代码：
/** * get the resource link of MySQL connection */ public function getDBOResourceLink() { return $this->getDataSource()->connection; }
至此，准备工作全部做完，我们终于可以使用贝叶斯算法来分类留言。
使用b8分类留言
在controllers/comments_controller.php中，首先载入SpamShieldComponent:
var $components = array('SpamShield');
然后在add()方法中，做如下操作：
//set data for Bayesian validation
$this->SpamShield->set($this->data['Comment']['body']); //validate the comment with Bayesian
if(!$this->SpamShield->validate()) { //set the status
$this->data['Comment']['status'] = 'spam'; //save
$this->Comment->save($this->data); //learn it $this->SpamShield->learn("spam"); //render
$this->renderView('unmoderated');
return;
}
//it's a normal post
$this->data['Comment']['status'] = 'published'; //save for publish
$this->Comment->save($this->data); //learn it
$this->SpamShield->learn("ham");
如此一来，b8就会在留言到来时自动的分类并学习，你基本上已经与spam绝缘了！
提醒一下：第一次运行后，别忘了把刚才提到的createDB改为FALSE。