今日頭條是如何反低俗的？ 首次揭秘靈犬背后的技術(shù)原理

7月30日，今日頭條宣布正式推出靈犬反低俗助手(以下簡稱“靈犬”)3.0版本，同時支持對圖片和文本的低俗低質(zhì)內(nèi)容檢測。用戶可以通過“靈犬”檢測文本、圖片等類型的內(nèi)容健康指數(shù)，共同參與打擊低俗低質(zhì)內(nèi)容，凈化網(wǎng)絡(luò)空間。

當(dāng)天下午，一場名為“算法如何反低俗”的溝通會在字節(jié)跳動總部舉辦。字節(jié)跳動人工智能實驗室總監(jiān)王長虎進行了主題分享，首次向外界公開“靈犬”背后的技術(shù)原理。

　　圖注：字節(jié)跳動人工智能實驗室總監(jiān)王長虎分享“靈犬”背后的技術(shù)原理

“靈犬”文本和圖片識別能力的背后，離不開今日頭條反低俗模型的技術(shù)支持。據(jù)了解，2012年以來，今日頭條內(nèi)部搭建了反色情、反低俗、反標(biāo)題黨、反虛假信息、反低質(zhì)等數(shù)百個模型，并投入近萬人專業(yè)審核團隊。

當(dāng)天發(fā)布的“靈犬”3.0版本重點拓展了反低俗識別類型和模型能力，現(xiàn)已覆蓋文本識別(反色情低俗、反暴力謾罵、反標(biāo)題黨)和圖片識別(反色情低俗、反血腥暴力)。

據(jù)了解，在文本識別領(lǐng)域，新版“靈犬”同時應(yīng)用了“Bert”和半監(jiān)督技術(shù)，訓(xùn)練數(shù)據(jù)集包含920萬個樣本，準(zhǔn)確率提升至91%;在圖片識別領(lǐng)域，“靈犬”采用深度學(xué)習(xí)作為解決方案，在數(shù)據(jù)、模型、計算力等方面均做了針對性優(yōu)化;

王長虎介紹，“靈犬”背后的文本分類模型，已經(jīng)經(jīng)過了三次迭代。最新版“靈犬”同時應(yīng)用了“Bert”和半監(jiān)督技術(shù)，并在此基礎(chǔ)上使用了專門的中文語料，并通過優(yōu)化模型結(jié)構(gòu)使得計算效率能達(dá)到實用水平。“Bert”是當(dāng)前最先進的自然語言處理技術(shù)，在閱讀理解、語義蘊含、問答、相關(guān)性等任務(wù)上性能大幅提升。

不同于文本識別，圖片識別的技術(shù)難點主要在于三方面：非均衡、類內(nèi)方差大和不可窮舉，即，低俗圖片占整體圖片內(nèi)容的比例較低，低俗圖片的種類豐富、繁雜，構(gòu)成低俗圖片的特征千差萬別。

對此，“靈犬”運用的解決方案，是深度學(xué)習(xí)。“我們分別在數(shù)據(jù)、模型、計算力等方面做了很多優(yōu)化。”王長虎說。數(shù)據(jù)層面，“靈犬”已累積上千萬級別的訓(xùn)練數(shù)據(jù)。模型層面，“靈犬”針對許多困難樣本做了模型結(jié)構(gòu)調(diào)優(yōu)，嘗試解決多尺寸、多尺度、小目標(biāo)等復(fù)雜問題。計算力層面，“靈犬”利用分布式訓(xùn)練算法以及GPU訓(xùn)練集群，加速模型的訓(xùn)練和調(diào)試。

同時，王長虎也提到，反低俗無法單一地依靠技術(shù)去解決。低俗的定義和標(biāo)準(zhǔn)隨著人群、使用場景、時代等因素變化皆會發(fā)生變化。針對低俗判斷問題的復(fù)雜性和不同判斷方式的局限性，王長虎提到，一方面要不斷進化技術(shù)模型，一方面需要有效結(jié)合技術(shù)和人工判斷兩種方式。

“作為行業(yè)領(lǐng)先者，在內(nèi)容安全上，今日頭條一直用最高的標(biāo)準(zhǔn)要求自己，”王長虎說，“靈犬是一個開放的反低俗窗口，我們希望通過靈犬，接收社會各界對反低俗的意見和建議。”

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。