今日頭條是如何反低俗的？ 首次揭秘靈犬背后的技術原理

7月30日，今日頭條宣布正式推出靈犬反低俗助手(以下簡稱“靈犬”)3.0版本，同時支持對圖片和文本的低俗低質內容檢測。用戶可以通過“靈犬”檢測文本、圖片等類型的內容健康指數，共同參與打擊低俗低質內容，凈化網絡空間。

當天下午，一場名為“算法如何反低俗”的溝通會在字節(jié)跳動總部舉辦。字節(jié)跳動人工智能實驗室總監(jiān)王長虎進行了主題分享，首次向外界公開“靈犬”背后的技術原理。

　　圖注：字節(jié)跳動人工智能實驗室總監(jiān)王長虎分享“靈犬”背后的技術原理

“靈犬”文本和圖片識別能力的背后，離不開今日頭條反低俗模型的技術支持。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(yè)審核團隊。

當天發(fā)布的“靈犬”3.0版本重點拓展了反低俗識別類型和模型能力，現已覆蓋文本識別(反色情低俗、反暴力謾罵、反標題黨)和圖片識別(反色情低俗、反血腥暴力)。

據了解，在文本識別領域，新版“靈犬”同時應用了“Bert”和半監(jiān)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(yōu)化;

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。最新版“靈犬”同時應用了“Bert”和半監(jiān)督技術，并在此基礎上使用了專門的中文語料，并通過優(yōu)化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，在閱讀理解、語義蘊含、問答、相關性等任務上性能大幅提升。

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(yōu)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(yōu)，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。

同時，王長虎也提到，反低俗無法單一地依靠技術去解決。低俗的定義和標準隨著人群、使用場景、時代等因素變化皆會發(fā)生變化。針對低俗判斷問題的復雜性和不同判斷方式的局限性，王長虎提到，一方面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。

“作為行業(yè)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。”

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。