會議記錄連結：https://g0v.hackmd.io/@cofacts/meetings/%2F4gx_3uFUTHSYB853Fcgmlg
目前自動下架的 spam 偵測，在單純檢視訊息內容時會產生誤判 (false positives) 或漏判 (false negatives)。
會議中討論到，結合訊息的「發送頻率」可以更有效地判斷是否為 spam。例如，短時間內發送多則類似訊息，高機率是 spam。
需要研究如何將發文頻率納入現有的 spam 偵測邏輯中，並實作相關判斷。討論方向包含：
- 如何定義「頻率」 (例如，多久時間內發送幾則訊息)
- 如何套用到不同類型的訊息 (article, reply request, reply)
- 考量真實使用者可能偶爾也會發送類似 spam 的內容。
此 issue 用於追蹤將發文頻率納入 spam 偵測機制的開發與實作。
目前自動下架的 spam 偵測，在單純檢視訊息內容時會產生誤判 (false positives) 或漏判 (false negatives)。
會議中討論到，結合訊息的「發送頻率」可以更有效地判斷是否為 spam。例如，短時間內發送多則類似訊息，高機率是 spam。
需要研究如何將發文頻率納入現有的 spam 偵測邏輯中，並實作相關判斷。討論方向包含：
此 issue 用於追蹤將發文頻率納入 spam 偵測機制的開發與實作。