第一百五十三章 技术体检（2/2）

“嗯，而且我们看温杰现在的状態，独立排查故障、优化慢查询、甚至自己动手重构模块，已经越来越顺手了。说句实在话，我们在这儿，有时候反而会让他產生依赖心理。我们能做的和该做的都做完了，剩下的就该是温杰和他即將组建的团队的主场了。”

温杰眨眨眼，吸了口气：“想不到你们这么快就要走了。这段时间你们手把手教的，比我过去一年自己琢磨的都多。”

“你捨不得啊？”王哲大笑几声，“放心吧，方总交待过了，以后每两个月，我们小组都会抽一个人过来做一次技术体检，帮你们看看有没有大的隱患。

就当是......远程保健医。”

“真的啊？”温杰脸上浮现出笑意，“那太好了。我还以为今后再也见不著了。

“”

“想什么呢？”韩非笑说，“青鸟跟移动是长期合作，大家以后少不了接触的。说正事，过滤系统。”

两人来到温杰的电脑前坐下，听见林峰和王哲发出哈哈的笑声。

“非哥，我分成几块说吧。”温杰调出一个简洁的列表页面，上方是几个筛选標籤，下方是密密麻麻的投稿条目，“首先是资料库和投稿入口。我建了三张表：投稿主表、標记日誌表、素材库表。投稿入口已经掛在青鸟阅读的wap站上了，就是底部加了一个讲出你的故事的连结，点进去是一个极简表单，填好故事和联繫方式就能提交。后台能自动记录提交时间和ip。粗筛是用php写的一个过滤脚本，每天凌晨自动跑一遍当天的新投稿。过滤条件，一个是按长度，少於十五个汉字的直接进待人工覆核队列，標记为过短。二是重复检测，对完全相同或相似度超过80%的投稿做合併標记。最后是关键词黑名单，gg、涉政和明显违禁词之类的就直接扔进垃圾箱，可以定期清空，不会进正常审核流。”

“测试情况怎么样？”

“我用四百多条真实投稿跑了一遍，目前虽说能把80%的垃圾gg自动挡掉，但误杀率有点高。”

“有多高？”

“大概有15%左右的有潜力投稿被標记成了过短或疑似重复。有些长度刚好十五个字却语义完整的，就被我的规则卡住了。但性能上没问题，四百条投稿跑完不到两秒，不会影响主站的sp接口。而且我留了后门，所有被自动淘汰的投稿不会真的刪除，会进归档表保留一个月，万一误杀了还能捞回来。”

韩非点点头：“那离能正式使用还有多远？”

温杰想了想：“再给我几天。我想优化一下短文本语义判断，加一个简易的悬念词库，比如后来、结果、原来、可是，这些词命中一条就自动提权，不卡长度，至少要把误杀率降到5%以內。另外再给待挖掘列表加上一个批量导出的功能，方便编辑把需要跟进的投稿一次性导出来打电话。”

“嗯，可以。这个事暂时先放一天，明天上午卢海拿到合同之后，立刻就得开始做广东的推送，你这边做好准备。”

“好，这个你放心。”