基于 TensorFlow.js 构建垃圾评论检测系统。

1. 准备工作
   在过去的十年中，Web 应用变得越来越具有社交性和互动性，而即使是在中等热门的网站上，也有数万人可能实时对多媒体、评论等的支持。

这也让垃圾内容发布者有机会滥用此类系统，将不太令人满意的内容与其他人撰写的文章、视频和帖子联系起来，以提高曝光率。

而旧的垃圾内容检测方法（例如屏蔽的字词列表）很容易被绕过，并且与高级垃圾内容漫游器不匹配，后者会越来越复杂。时至今日，我们现在可以利用经过训练的机器学习模型来检测此类网络垃圾。

按照传统，运行机器学习模型来预过滤评论是在服务器端执行，但现在，您可以使用 TensorFlow.js 在客户端通过 JavaScript 在浏览器中执行机器学习模型。您可以在垃圾邮件到达后端之前将其拦截，从而节省宝贵的服务器端资源。

您可能已经知道，机器学习如今已经成为一个大热门，涉及的几乎所有行业，但作为网络开发者，您该如何着手使用这些功能呢？

此 Codelab 将介绍如何使用自然语言处理技术（通过计算机理解人类语言艺术）从空白画布中构建 Web 应用，以解决垃圾评论的真正问题。许多 Web 开发者都在处理当今越来越多的热门应用之一时遇到这一问题，此 Codelab 将帮助您有效地解决此类问题。<