PM 要求同时支持机器学习生成的标签和用户自定义的标签，如何和平相处？

[random0O]

我们是做照片管理 App 的。公司有自己的 ML pipeline，给一张图能吐至少一百个标签出来，每个标签有可信度和主题相关度的数据。标签自身是公司内部的知识图谱中的节点，所以互相之间有层级关系 (食物->年糕->韩式炒年糕)。

我收到的需求是既要利用 ML 的标签，又要允许用户自己给照片标注，还希望能自动合并两种标签。比如用户标了几张图片是狗，ML 判定有狗的图片也会被归在一处。

目前我的疑惑是，我怎么知道用户的狗和 ML 的狗是一种东西？不可能依靠字符串匹配吧...

想法 1 ）只使用顶级标签(食物，交通工具；而不是年糕，捷安特)，用户创建的时候给他个自动补全，如果用户执意不选自动补全给出的狗标签，那就认为用户的狗和 ML 的狗不一样

想法 2 ）直接告诉 PM 没戏，合并不了，只能并存

[leo108]

「不可能依靠字符串匹配吧」为什么不能？
即使你的 ML 已经打了一个『狗』的标签，用户硬要再打一个『小狗』的标签也没有任何问题啊。

[TimePPT]

做过 UGC 社区搜索推荐的 PM，给几个有用的建议吧：

1. 用户自定义的 tag 和用于聚类推荐的 tag 做分离！
千万不要直接用于生产环境做聚类！
最差的情况也是离线清洗后重新上线。

2. 对于 1 中需清洗的 tag，人工界定分类层级，人工对应，高级点的你做个 ML 聚类，知识图谱，词向量相似度之类的做辅助判断。当然，还要判断和图片主题真正的内容契合度。具体不展开说了，方法很多。

3. 用户打 tag 时建议首先给出 suggestion tag，引导用户先 focus 到你给到的 tag

4. 限制用户 tag 数量，潜意识让用户谨慎选择。

[TimePPT]

另，纯表层字符串匹配不靠谱
最简单的，你打个 tag 是「狗」，用户打个 tag 是「柯基」，文本相似度搞不定。

[zhchyu999]

看成如何和 PM 和平相处

[TimePPT]

@TimePPT 再补充下，前面说的分离原则是指能够全平台共享使用的 tag，对用户自建的 tag，在用户的图片库内做同 tag 聚合是没问题的，比如用户对自己上传的狗都打一个 tag 「我家旺财」，点击聚类所有有这个 tag 的用户自有图片没啥问题。
但这个 tag 一定别直接用到公共领域，能玩死你。
有些用户就真得很闲，tag 写个「 123 」，甚至狗图片打个「猫」 tag，各种匪夷所思，防不胜防

[random0O]

@TimePPT 多谢多谢。我也是觉得 ml 的 tag 和用户自己的 tag 分别对待实现起来方便一些(如果可能的话)。tag 清洗的确也是个问题，我们的知识图谱非常大，就算是只局限于有足够图片数据能 train 出分类器的节点也是无法人工操作的量级，而且整个系统还在 grow，不断会有新 tag 被加进来，我们怎么跟进也得考虑

[TimePPT]

@random0O 嗯，这是个坑，一定要说服 PM 别搞缺心眼的策略 😂