Discussion :

[ploxien]

Hello,

J'ai un problème que je n'arrive pas à résoudre.

J'ai un mot (ou une suite de mots), genre "viagra".
Ensuite, j'ai un texte plus ou moins long, genre un email

Ce que je voudrais faire, c'est savoir si le mot "viagra" est contenu dans l'email. Facile, il suffit de faire un contains... Mais je voudrais également que les mots similaires soient détectés (genre vi@gra, viagras, VIAGRA, vlagras, ...).

J'ai vu dans apache commons, des méthodes du genre

difference(java.lang.String str1, java.lang.String str2)
Compares two Strings, and returns the portion where they differ.

mais le problème c'est qu'il faudrait comparer avec chaque mot, ou chaque paire de mots, ...

Et le but est de chercher plusieurs mots dans un grand nombre d'emails, donc si ça prends pas 30 secondes par email, c'est pas plus mal

Des pistes?

Merci

[Kirua12]

Salut,

ça peut se faire mais ça va être long, sans parler de la liste de mots gigantesque que tu devras traiter. Ton antispam va être vite submergé.
Je te conseille de regarder les filtres bayesiens et voir si il n'y a pas une implémentation en java

[ploxien]

En fait, le but premier n'est pas de faire un anti-spam, mais bien d'analyser un message étant un spam. Et donc de trouver si un message contient ou non une variante de certains mots, par exemple, pour effectuer une classification...