现成的垃圾邮件过滤?

我在一个社交媒体监控系统工作。我们不是自己爬网,而是从像spinn3r这样的聚合器中获取信息。在大多数情况下,那些只不过是色情网站链接页面的“博客”都会被过滤掉,但我们希望有一些内部的东西,我们可以在比等待上游提供商做出改变更快的时间框架内进行培训。

我看了SpamAssassin,如果我们处理电子邮件的话,它将是我们的理想选择。有没有一个库可以只提取一个文本体,并根据工作频率、链接数、隐藏的背景文本等因素给它一个质量分数?

理想情况下,我在Java中寻找一些东西,但是如果没有什么,我就可以使用客户机服务器或者嵌入一个或多个库。

我想我最终会自己建造它,但它总是值得一试的。