国际麻将番型|国际麻将比赛规质

“靈犬”出擊,今日頭條反低俗助手新增圖片識別功能,后續支持語音和視頻識別

7月30日,今日頭條宣布正式推出新版靈犬反低俗助手(以下簡稱“靈犬”),同時支持圖片和文本識別。這是時隔半年后,“靈犬”的又一次重要升級。

“靈犬”脫胎于今日頭條反低俗模型,是一款檢測內容健康度的輔助小工具,用于打擊低俗低質內容,凈化網絡空間。用戶目前可以在今日頭條內,搜索“靈犬”進行試用。

在“算法如何反低俗”溝通會上,字節跳動人工智能實驗室總監王長虎現場介紹了“靈犬”背后的技術原理。

據了解,在文本識別領域,新版“靈犬”同時應用了“Bert”和半監督技術,訓練數據集包含920萬個樣本,準確率提升至91%。在圖片識別領域,“靈犬”采用深度學習作為解決方案,在數據、模型、計算力等方面均做了針對性優化。

“靈犬”使用人次超過300萬

信息大爆炸時代,打擊低俗低質內容,是當前全球信息平臺都面臨的難題,不管是國外的Facebook、Google,還是國內的微信、今日頭條,都在尋求解決方案。

反低俗無法單一地依靠技術或人工解決。王長虎表示,低俗的定義相對籠統,很難完全精確地定義出來,這項工作即使對人來說也不容易,交給機器做更難實現,而在當前內容創作和消費海量增長的趨勢下,純靠人工解決,效率低,無法有效滿足用戶需求。

字節跳動人工智能實驗室總監王長虎分享“靈犬”背后的技術原理。

今日頭條非常重視反低俗,“靈犬”是今日頭條反低俗系統的一個簡化版本。據了解,2012年以來,今日頭條內部搭建了反色情、反低俗、反標題黨、反虛假信息、反低質等數百個模型,并投入近萬人專業審核團隊。“作為行業領先者,在內容安全上,今日頭條一直用最高的標準要求自己,”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。”

新版“靈犬”重點拓展了反低俗識別類型和模型能力,現已覆蓋圖片識別(反色情低俗、反血腥暴力)和文本識別(反色情低俗、反暴力謾罵、反標題黨)后續還將支持語音識別和視頻識別。

此前一年時間內,“靈犬”已陸續完成兩次迭代。2018年3月28日,今日頭條首次上線“靈犬”,支持檢測文字和文章鏈接。2018年5月16日,“靈犬”完成服務能力升級,增加反色情短文本模型和反謾罵模型,將準確率從73%提升至82%。2019年2月20日,“靈犬2.0”正式上線,除了反色情低俗模型,加入反暴力謾罵和反標題黨模型,覆蓋了主要的低俗低質內容類型,整體識別準確率接近85%。截至2019年6月,靈犬反低俗助手的使用人次已經超過了300萬。

用戶只需要在“靈犬”內輸入一段文字或文章鏈接,“靈犬”就可以幫助其檢測內容健康指數,返回一個鑒定結果。對于用戶輸入的內容,“靈犬”會先進行提取、分詞和語義識別,然后根據相關規則, 輸出對應的分數、評級和結論。這一切都在短短幾秒內完成。圖片和圖片鏈接檢測同理,用戶在“靈犬”內上傳圖片或圖片鏈接,即可快速獲取鑒定結果。

“靈犬”背后的技術迭代

據王長虎介紹,“靈犬”背后的文本分類模型,已經經過了三次迭代。每個新版本相對于舊版本,在技術和數據集層面,都有一個明顯的躍升。

第一代“靈犬”,應用的是“詞向量”和“CNN(卷積神經網絡)”技術,訓練數據集包含350萬數據樣本,對隨機樣本的預測準確率達到79%。第二代“靈犬”,應用的是“LSTM(長短期記憶)”和“Attention”技術,訓練數據集包含840萬數據樣本,準確率提升至85%。

新版“靈犬”同時應用了“Bert”和半監督技術,并且在此基礎上使用了專門的中文語料,在不犧牲效果的情況調整了模型結構,使得計算效率能達到實用水平。“Bert”是當前最先進的自然語言處理技術,是該領域近年來重大進展的集大成者。這項技術在常見的閱讀理解、語義蘊含、問答、相關性等各項任務上,大幅提高了性能。

這一代“靈犬”訓練數據集總量是1.2個T,相當于20倍百度百科或100倍維基百科的數據總量,包含920萬個樣本,準確率提升至91%。

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

對此,“靈犬”運用的解決方案,是深度學習。“我們分別在數據、模型、計算力等方面做了很多優化。”王長虎說。數據層面,“靈犬”已累積上千萬級別的訓練數據。模型層面,“靈犬”針對許多困難樣本做了模型結構調優,嘗試解決多尺寸、多尺度、小目標等復雜問題。計算力層面,“靈犬”利用分布式訓練算法以及GPU訓練集群,加速模型的訓練和調試。

一些技術難以搞定的問題,現階段還有賴于人工判斷。比如技術暫時難以制定標準的案例:世界名畫中常常出現裸體女子,如果完全交由機器判斷,機器通過識別畫中人物的皮膚裸露面積,就會認為這幅畫是色情低俗的;而某些拍攝芭蕾舞的圖片,以機器的視角來看,其實類似于裙底偷拍。

此外是因為使用場景、人群不同而導致標準變動的案例:內衣和內衣模特出現在購物平臺上,會被默認為正常,但如果頻繁出現在新聞資訊平臺上,就可能被認為有低俗嫌疑;正常的熱舞內容,提供給成年人看,符合常規標準,但如果開啟了青少年模式,這些內容就不應該出現。

王長虎說,針對低俗判斷問題的復雜性和不同判斷方式的局限性,一方面需要不斷進化技術模型,一方面需要有效結合技術和人工判斷兩種方式。

當前,“靈犬”建設了比較完善的模型迭代系統。通過“數據收集—數據標注—數據清洗—模型訓練—模型評估—badcase分析”這一套完整的流程,持續做優化。

編輯 陳冬云

(作者:讀特記者 吳德群)

評論一下
評論 0人參與,0條評論
還沒有評論,快來搶沙發吧!
最熱評論
最新評論
已有0人參與,點擊查看更多精彩評論
国际麻将番型 微信彩票程序 重庆幸运农场下载 甘肃11选5任3遗漏 99彩票平台注册地址 内蒙古十一选五结果 日本股票涨跌幅限制 上证指数腾讯财经 福建十一选五走势图表 娱网棋牌官方下载安装 如何编制股票指数