從“衤果耳卯”到藏頭詩(shī),網(wǎng)易易盾如何實(shí)現(xiàn)文本鑒黃?

今年以來(lái),智能鑒黃行業(yè)的興起,讓傳統(tǒng)的人工審核、鑒黃師等逐漸相形見(jiàn)絀,互聯(lián)網(wǎng)創(chuàng)業(yè)者、中小型企業(yè)尋求第三方反垃圾云服務(wù)成為一種新的趨勢(shì)。這其中凝聚著網(wǎng)易公司十余年反垃圾技術(shù)和安全經(jīng)驗(yàn)的“網(wǎng)易易盾”成為佼佼者,并率先在全國(guó)發(fā)起成立了首個(gè)互聯(lián)網(wǎng)內(nèi)容安全聯(lián)盟,在文本、圖片等智能反垃圾方面樹(shù)立了標(biāo)桿。

  僅以最基礎(chǔ)的文本鑒黃技術(shù),記者采訪了網(wǎng)易易盾的工程師,為大家揭秘文本鑒黃背后的機(jī)制:

  記者:文本反垃圾尤其是文本鑒黃主要在哪些場(chǎng)景被應(yīng)用?

  網(wǎng)易易盾:主要是在新聞、社交、論壇、博客、小說(shuō)等UGC產(chǎn)品中的應(yīng)用,除了正常產(chǎn)品信息,這些UGC中還存在大量的色情淫穢、廣告詐騙、暴恐謠言、政治敏感等垃圾文本內(nèi)容。其中廣告和色情是文本垃圾的主力軍。

  (2015年網(wǎng)易323億條反垃圾數(shù)據(jù)統(tǒng)計(jì))

  記者:能舉個(gè)直觀點(diǎn)的例子嗎?

  網(wǎng)易易盾:那就拿“裸聊”這個(gè)詞來(lái)舉例吧,在垃圾內(nèi)容里有非常多的演變。比如下面這一系列的字符: 

  光一個(gè)“裸聊”就有幾十種變形。但實(shí)際上在很多論壇尤其是跟帖評(píng)論區(qū),甚至?xí)?huì)出現(xiàn)把垃圾內(nèi)容隱藏在藏頭詩(shī)中這樣更復(fù)雜的情況。

  記者:那易盾是怎么解決問(wèn)題的呢?

  網(wǎng)易易盾:常規(guī)的審核方法是關(guān)鍵詞識(shí)別和算法規(guī)則,算法規(guī)則也叫規(guī)則引擎,主要就是表達(dá)式的集合,這種方式識(shí)別準(zhǔn)確率會(huì)提高很多。但垃圾內(nèi)容升級(jí)進(jìn)化速度太快,復(fù)雜字符重組、特殊符號(hào)等讓常規(guī)審核方法也束手無(wú)策。一方面除了要識(shí)別出垃圾文本,另外一方面不能把正常內(nèi)容也判定成垃圾信息,舉個(gè)比較污的例子:

  比如“口交”一詞,通過(guò)常規(guī)審核肯定是認(rèn)定為垃圾內(nèi)容,但當(dāng)它出現(xiàn)在“港口交通”、“串口交接線”這樣的語(yǔ)境里卻是正常內(nèi)容,很容易造成誤判。

  記者:那怎么避免或降低這種復(fù)雜語(yǔ)義下的垃圾文本呢?

  網(wǎng)易易盾:這時(shí)候我們就要依托語(yǔ)義分析來(lái)處理辨別。語(yǔ)義分析是依托深度學(xué)習(xí)技術(shù)和大數(shù)據(jù)技術(shù),從網(wǎng)易19年沉淀的億級(jí)垃圾特征庫(kù)中提取和不斷添加新特征,通過(guò)反復(fù)學(xué)習(xí)更有用特征,來(lái)達(dá)到對(duì)復(fù)雜語(yǔ)義鐘垃圾內(nèi)容的精確判定。通過(guò)這兩項(xiàng)關(guān)鍵技術(shù),目前易盾文本反垃圾的準(zhǔn)確率可以達(dá)到99.6%

  

  記者:那怎么接入易盾呢?

  網(wǎng)易易盾:很方便啊,在易盾官網(wǎng)10分鐘就可調(diào)用接入易盾sdk和開(kāi)放API, 現(xiàn)在七牛平臺(tái)上的用戶也可以直接在文本反垃圾服務(wù)中直接調(diào)用易盾接口。

  

 與網(wǎng)易易盾工程師的聊天讓人感嘆處理垃圾的不易,10萬(wàn)漢字豐富的排列組合,延伸出不同語(yǔ)境下的復(fù)雜語(yǔ)義,同時(shí)演變出大量高深莫測(cè)的垃圾變種,智能反垃圾需要的是大量的、長(zhǎng)期積累的特征庫(kù),這遠(yuǎn)非一般的創(chuàng)業(yè)公司所能實(shí)現(xiàn)。

  關(guān)于深度學(xué)習(xí),這是近兩年非常熱門(mén)的詞匯,其具體含義如下:

  據(jù)網(wǎng)易易盾的工程師介紹,深度學(xué)習(xí)技術(shù)之所以近兩年取得飛躍,源于云計(jì)算、大數(shù)據(jù)的深入發(fā)展。他同時(shí)認(rèn)為,機(jī)器智能鑒黃代替人工審核將是未來(lái)的趨勢(shì)。

  據(jù)了解,網(wǎng)易易盾自推出以來(lái),服務(wù)的產(chǎn)品包括網(wǎng)易系過(guò)億用戶的網(wǎng)易云音樂(lè)、網(wǎng)易跟帖等知名產(chǎn)品,同時(shí)擁有足記、美食杰、春雨醫(yī)生等海量外部客戶,成為同類產(chǎn)品中最有實(shí)力的大企業(yè)背景第三方云服務(wù),同時(shí)也代表著行業(yè)技術(shù)的最高水準(zhǔn)。

極客網(wǎng)企業(yè)會(huì)員

免責(zé)聲明:本網(wǎng)站內(nèi)容主要來(lái)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(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。

2016-10-18
從“衤果耳卯”到藏頭詩(shī),網(wǎng)易易盾如何實(shí)現(xiàn)文本鑒黃?
今年以來(lái),智能鑒黃行業(yè)的興起,讓傳統(tǒng)的人工審核、鑒黃師等逐漸相形見(jiàn)絀,互聯(lián)網(wǎng)創(chuàng)業(yè)者、中小型企業(yè)尋求第三方反垃圾云服務(wù)成為一種新的趨勢(shì)。

長(zhǎng)按掃碼 閱讀全文