这个项目旨在创建一个api为ani项目提供服务器端的自动文本过滤功能，主要应用在弹幕，评论上。 本项目是一个新手玩具项目，欢迎大家提供改进意见和PR。 因为用户99%为中文所以项目语言为中文，代码注释也是中文。
项目结构基于 cookiecutter-data-science 模板，详情请参见 cookiecutter-data-science
├── LICENSE <- 开源许可证
├── Makefile <- 帮助你快速构建环境和运行项目的 Makefile，初次打开项目请参考这个文件
├── README.md <- README
├── data
│ ├── internal <- 来自 ani 服务器的数据源，暂时没有数据，在等待服务器端的开发工作。
│ ├── interim <- 临时的数据集，用于开发和训练模型。
│ ├── processed <- 最终规范的数据集，用于部署。（最佳实践：尽量不要在开发时编辑次数据）
│ ├── external_raw <- 未经处理的第三方原始数据，包含大量的实验性数据。
│ └── results <- 模型输出的结果，例如预测的标签。
│
├── docs <- 默认的 mkdocs 项目；详情请参见 mkdocs.org。暂时没有用到，未来需要详细api文档时会用到。
│
├── models <- 训练的模型和各类checkpoints
│
├── notebooks <- Jupyternotebook。命名约定是一个数字（用于排序），
│ 创建者的缩写，以及简短的描述，例如：
│ `1.0-jqp-initial-data-exploration`。请不要push实验性质的notebook。
│
├── references <- 参看论文和希望共享的外部资料。
│
├── reports <- 分析文件，报告，以及其他输出。
│ └── figures <- 用于报告的图形和图表
│
├── requirements.txt <- 环境文件，例如：
│ 通过 `pip freeze > requirements.txt` 生成
│
├── setup.cfg <- flake8 的配置文件，falke被用于代码风格检查
│
└── malicious_filtering_for_ani <- 本项目的源代码。
│
├── __init__.py <- 使 malicious_filtering_for_ani 成为一个 Python 模块
│
├── data <- 下载或生成数据的脚本
│ └──
│
├── features <- 将原始数据转化为建模特征的脚本
│ └──
│
├── models <- 训练模型并使用训练好的模型进行预测的脚本
│ └──
│