TimePPT
2017-07-28 21:54:44 +08:00
说到这里多说两句吧。因为工作关系做过一段时间反垃圾的产品工作。
最先必须认识到一个问题：黄反过滤其实是一门技术加运营持续投入的工作。
首先看量级：
如果内容量级不大，怎么都能搞。网上找或者找关系找到一个比较新的几万几十万敏感词的词表 loading 到内存里，起一个 server 直接判断过滤简单粗暴，但有效——当然，错报和漏报率肯定也不会低。
但这种方法一旦遇到变种或者量级一大就不管用了，错报、漏报率会蹭蹭往上涨，如果自己人工加规则，跑到最后自己都会疯了。
如果量级大到一定程度，就得考虑长久的黄反策略，什么贝叶斯过滤、回归聚类、机器学习都得往上怼。
再次看业务需求：
业务方涉及到的仅仅是评论内容，还是说有大段文章内容。对黄反实时性要求有多高？错报率和漏报率容忍度有多高？这些直接影响着产品技术策略。
还有就是有没有富媒体内容，比如评论带图带视频，那就不单单是过滤关键词的问题了，还得有图像识别黄反。
另外，业务层面要不要求留有余地，比如 KPI 向的允许一定擦边球存在，所谓水至清则无鱼……运营人员很可能不希望你赶尽杀绝呢 233
最后讲策略：
UGC 内容在大面上策略无非是先审后发还是先发后审，这两种的产品策略是不一样的，而且需要按照上峰要求调整。所以产品设计上要留有余地。
另外，因为任何机器算法都做不到极高的准确率和覆盖率，那么错报、漏报肯定是有的。
目前大量级的产品在黄反层面绝大多数是靠机器初筛+人工二次筛选，特别是图片视频黄反，单靠机器比文字黄反难度大很多。
还有就是在产品策略上增加举报按钮，让用户协助完成黄反的前端自审核。
以上种种，就是一些经验之谈。
正因为黄反工作其实是比较严肃复杂的工作，这也是为啥我建议一般企业直接买稳定的三方黄反服务的原因，持续投入成本其实很高，且这部分工作有时候在公司级别是不太被重视的，出力不讨好，没问题时候没功劳，有问题就找你麻烦了（比如杀多了 KPI 指标降了啊，漏报导致踩红线了啊……）