关于鉴别和剔除虚假数据的讨论

[lilongsky]

在翻查 Github的学校页面时，发现一个明显为虚假的学校数据。
链接：
https://github.com/CollegesChat/university-information/blob/master/questionnaires/universities/%E9%BA%BB%E7%9C%81%E7%90%86%E5%B7%A5.md

条件允许的话，可以考虑招募志愿者对于问卷进行一轮检视，排除那些明显的虚假数据。
或者在允许在讨论区集中反馈后修改？

[slanterns]

（还有 仲恺说唱职业技术学院

[YanWQ-monad]

还有家里蹲大学呢（笑

[lilongsky]

刚刚还看到了一个喵内噶大学 (笑

[nexmoe]

这种名称的可以写个脚本对照百度百科自动处理

[YanWQ-monad]

关于这个滥用、虚假的数据

如果先每个都查一遍再放出来，工作量太大了，问卷几乎是一天能有 1k 份的量。

现在我们的策略是：
只会做很基础的 review（可能甚至不会），确认信息是有效的就会放上去
abuse 之类的都需要大家在看的过程中提出来
目前的人手只能做到这样了

对于集中反馈帖这个正有想法，应该不久后可以有。

[aisuneko]

我的建议是写个关键词过滤脚本初审一遍 省下部分workload

[ghost]

一个粗暴的建议，如果能按照ip排列的话，遇到虚假数据就将那个ip段所有的提交拎出来放到最后处理。