PHP判断一个字符串是人名还是其他文本

Question

我发现的最接近的现有问题是this 或this

我想编写一个接受字符串的函数或类，然后根据可以编程的任何标准返回它是真实人名的概率。目前，我预计它会严重偏向于英语或欧洲名称或其他名称的英语音译。 （例如，“bob”、“bob smith”和“smith”都应该返回 1.0，“sfgoisxdzzg”应该返回 .001 甚至 .0000001）

有谁知道这是否已经完成/正在完成？ （即使是另一种语言） 我的第一个想法是我必须编写某种机器学习脚本。我的问题是我对任何机器学习理论都一无所知。

所以，我的问题的第二部分是：机器学习是解决这个问题的可行选择吗？如果是这样，我应该从哪些资源开始学习如何做到这一点？如果没有，你能指出我正确的方向吗？

Answer 1

我用于过滤的这种贝叶斯方法在联系提交和报价表单请求方面取得了相当大的成功。该表格使用评分并处理来自世界各地的各种语言的请求。如果他们仅在各个领域未通过 3 或 4 次测试，那么我会将它们标记为垃圾邮件尝试。显然，像“123456”这样的电话号码会立即引发红旗。此外，cmets 中的 BBCode 是一个致命的赠品。

<?php
function nameCheck($var) {
        $nameScore = 0;
        //If name < 4 score + '3'
        $chars_count = strlen($var);
        $consonants = preg_replace('![^BCDFGHJKLMNPQRSTVWXZ]!i','',$var);
        $consonant_count = strlen($consonants);
        $vowels = preg_replace('![^AEIOUY]!i','',$var);
        $vowel_count = strlen($vowels);
        //We're expecting first and last name.
        if ($chars_count < 4){
            $nameScore = $nameScore + 3;    
        }

        //if name > 4 and no spaces score + '4'
        if (($chars_count > 4)&& (!preg_match('![ ]!',$var))){
            $nameScore = $nameScore + 4;    
        }

        if (($chars_count > 4)&&(($consonant_count==0)||($vowel_count==0))){
            $nameScore = $nameScore + 5;            
        }

        //if name > 4 and vowel to consonant ratio < 1/8 score + '5'
        if (($consonant_count > 0) && ($vowel_count > 0) && ($chars_count > 4) && ($vowel_count/$consonant_count < 1/8)){
            $nameScore = $nameScore + 5;    
        }
        //Needs at least 1 letter.
        if (!preg_match('![A-Za-z]!',$var)){
            $nameScore = $nameScore + 10;           
        }

        return $nameScore;
    }

//added for testing
$var = $_GET['email'];
echo nameCheck($var);
?>

即使有人同花，我也会在尝试时复制我，这样我就可以修正我的得分。中文或韩文通常会有一些误报，但大多数情况下，任何用英文填写表格的人都会通过。像“无锡”这样的名字确实存在。