区分机器人和人真的很困难。 我自己真的做不到。 但是另一方面，我想出了一辆好
自行车……一种在VK中如何区分“有趣的人”与“不太有趣的人”的方法。 就网络通信而言，当然不是生活中的事情。
如果有人在敲你的朋友，但是乍一看你可能不知道这是一个普通人还是地狱的人，这种方法可以提供一些有关用户的有用信息。 不太可能用它来识别相关的目标群体，因为
VK限制了下载用户墙内容的能力 ，而且伤害缓慢。 即 可能，但有必要大大完善，优化和闪避，以规避限制。
主要思想
其主要思想是，僵尸机器人（以网络术语而言）是沉闷的（个性化），各种各样的朋友-订户收藏者并不真正在乎他们与谁成为朋友，尽管他们可以在墙上“写下”很多有意义的帖子。 但是呆板的人物不会特别阅读他们的录音带，而机器人则根本不需要它。 此外，这对于订户和明星的大众收藏家来说不是必需的。
但是对于对VK至少具有某些交流兴趣的人，与他们成为朋友非常重要。 而且，当然，他们将无法在他们的朋友中收集6,000个花花公子，这些朋友只能
在Novy Urengoy的一个仓库中以折扣价分享转贴，裸女照片和
排水桶广告
。在此基础上，您可以尝试制定一个标准，以根据该标准挑选出对Feed内容感兴趣的人。 这样的人展现出真实人物的特征。 至少执行有意义的单方面交往行为的人。 如今，这已经不小了。
我立即想到两个标准：
- 一个人的朋友最近N条帖子的平均词典。
- 被检查者的朋友发的无短信的帖子所占的百分比。
基于这样的事情，您已经可以尝试建立某种模型，以区分有趣的人和不太有趣的人。
最终我如何检查呢？
我选择了50个随机的朋友和50个随机的追随者，他们符合一定的条件，可以切断非常明显的假货，孩子或未全部使用的人。 键入不应该停用该用户，同时应拥有50个以上的现有朋友。
我仔细检查了所有这些人，确定其中哪些是“机器人”，哪些不是。 自然，大多数朋友都是真实的，大多数订户都愿意买东西（但那里有几个真实的人）。
此外，如果墙上有很多人，我从被检查者的每个朋友那里获得前100个帖子。 对于每个人，我考虑了两个这样的因素：
- 一个人的朋友词典的前100条帖子的平均大小。 即 50个朋友，每个朋友约有100个帖子。 对于每个朋友，将100个帖子中的所有单词倾斜成一堆， 加盖戳记，并考虑一个朋友的唯一单词的数量。 此外，考虑所有50个朋友的平均值。 从该值开始，取根-SQRT（Dic）。
- 如果一个朋友的100篇帖子中有60篇以上没有单词，则将其标记为“丢失”。 朋友中“迷失”的人的百分比是第二个因素-百分比。
另一个因素是偶然出现的。 这是VK log10（ID）中来自Idy的对数
在此基础上，我对所有人进行了
逻辑回归培训，得到了：
log（OR）= 9.92-1.537 * log10（ID）+ 0.067 * SQRT（Dic）-0.023 *百分比
对于样本的测试部分，我们得到了很好的分类器，AUC = 0.93。 这是这样的
ROC曲线 ：
确定一个人页面内容的分类器的ROC曲线
VC ID在对人的内容进行分类中的重要性提出了一些问题，但是，a，它确实有效。 ID距离1越远，就越有可能是一个用来宣传小额贷款的机器人。 没有ID，分类器也可以工作，但效果更差。 AUC = 0.78。 这不是直接的好，也不是直接无用的。
无论如何，关于角色有用性的最终决定权取决于决策者。
额外检查
我从一位同志那里带走了全部5,000名订阅者，当然，那里有95％的广告渣是送出的，回归是在没有额外培训的情况下进行的。 截止值为20％，结果得出
TP = 78％，FP = 11％ 。 即，通常，对于任意人，这或多或少地起作用。
他们可以制造出通过此测试的机器人吗？
是的，生成一个带有一些伪造的，被朋友包围的帖子的机器人很容易，但是到目前为止，没有人需要它。 好吧，很难打扰不同的内容，因为如果所有漫游器都生成相同的东西，这也很容易识别。
是否可以制作一个按ID检查人员的应用程序？
可能是可行的，但我将其分解为打招呼VK。 如果有人愿意，让他去做。 似乎已经描述了该方法，其思想很简单。
太平常了吗？
够了 但是突然有人会派上用场作为他们发展的基础。 例如，不仅考虑字典的长度，还考虑内容，很容易使此方法变得复杂。 在这里，您已经可以使用
NLP的全部功能并进行内容培训。 您仍然可以采用更复杂的分类器：树，神经网络等。 所有这一切都可能很复杂，但是重要的是，即使是简单的东西也可以提供一些有趣的东西。