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。

　　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)。

生成海報(bào)

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。