内容审核逻辑|从入门到被门槛绊倒


时间: 2021-08-03 08:54:22 人气: 32 评论: 0

读完这篇文章,你可以详细了解文字类内容审核的逻辑,还**了解一些图**和短视频审核的技术,足以补充一个运营或产品在这方面的知识储备了。来看看~

文章开始之前,给大家两条建议:

  1. 除非你别无选择,尽可能不要从事纯粹内容审核岗位
  2. 如果你的工作和运营或产品有关,都需要了解内容审核的逻辑

儿童送养”这个话题在大多平台都是极为罕见的,但知乎最近就因此爆发了一场危及平台声誉的危机。

内容审核逻辑|从入门到被门槛绊倒

内容审核就是这样一种职业,违法违规信息覆盖范围极广,新的违规信息层出不穷。无论你多么有经验、无论审核系统多么先进,只要发生问题,看起来都是很基础甚至很愚蠢的问题。

知乎这样一个有很强的技术实力和内容审核经验的平台,也**在这个问题上摔跟头。并且可以预料的是,不知道在多久的以后,知乎一定还**发生一次又一次因为存在违规内容带来的危机事件,这事情无可避免。有人说,对于内容审核人员来说这是从入门到被门槛绊倒,一点都不夸张。

读完这篇文章,你可以详细了解文字类内容审核的逻辑,还**了解一些图**和短视频审核的技术,足以补充一个运营或产品在这方面的知识储备了。

在不同公司,对审核类职位的划分标准不同,比如有内容安全审核、内容推荐审核、内容质量审核等类似职位。虽然在侧重点和具体操作上有所不同,但有许多逻辑都是共通的。为了避免文章过于复杂,我们在这里侧重最常见的内容安全审核

审核模块

不管是什么内容的审核,都应该包含以下四个基础模块:机器审核、人工审核、用户投诉审核、结果复审。

内容审核逻辑|从入门到被门槛绊倒

  • 机器审核,是按照制定好的规则或机器学习算法对内容进行审核,通常,成熟的审核系统能将95%甚至99%以上的内容都自动审核并做出处理。确定有问题的**被自动删除,难以判断是否有问题的**被标注,进入人工审核程序。
  • 人工审核,虽然用户投诉审核和结果复审大多时候也是人工审核,但这里所说的人工审核,特指审核机器无法判别的内容,通常占平台内容数量的比例不**过5%,但对于一些大型的内容平台,绝对数量已经很多了。在内容爆炸的时代,我们看到许多平台在全国都有多个审核中心,每个审核中心的员工数量都成千甚至上万。
  • 用户投诉审核,是前两者的弥补,有很多违规内容以前没有出现过,所以不在规则可以过滤的范围内,或者非常隐蔽,规则难以严格过滤。用户的投诉是发现新问题的重要渠道。通过知乎的危机事件,我们更应该重视对投诉的审核,并及时据此对机器审核做出补充。
  • 结果复审,通常采取抽查方式,比如通过复审机器删除的内容,看规则或算法是否过于严格;比如通过查看人工删除和通过的内容,看员工的工作是否按要求执行;比如通过内容的整体巡查,看是否存在新的问题未被注意到。

在文字类内容平台,比如知乎、简书、豆瓣以及各类论坛网站,机器审核主要是基于关键词过滤的逻辑,逻辑比较简单,但也没有想象的那么简单。

关键词过滤

一篇文章发布到平台后,需要至少经历以下环节:

内容审核逻辑|从入门到被门槛绊倒

词语过滤的环节,关键词主要分为三类:

内容审核逻辑|从入门到被门槛绊倒

禁止关键词,只要匹配到这个词,内容就被自动删除或禁止提交。通常只有极少数词**被纳入禁止关键词,比如明确的**、邪教以及广告的专属关键词。

审核关键词,这是最常见的关键词种类,只要匹配到就**自动进入后台进行审核,文章中的关键词**被高亮并罗列出来,有助于审核人员快速判断。审核关键词也应该尽量是专属关键词,以防止太多内容被拦截到后台。

替换关键词,在许多平台,我们**在文中看到莫名的*号字母缩写,这可能不是文章作者写的,而是这个词被系统自动替换。平台不希望出现这个关键词,但用别的代替读者通常也能读懂。比如一些政治、宗教、不文明用语类词语,都有可能被自动替换。

内容审核逻辑|从入门到被门槛绊倒

当然,管理员在添加关键词时,很多时候并不是直接把关键词添加到后台。否则用户用很简单的方式就可以避过关键词过滤,比如在关键词内加一个空格,系统就难以匹配到。

所以,一般后台都**支持限定符{x} 以限定相邻两字符间可忽略的文字,x 是忽略的字节数。在Discuz!网站后台有明确说明,如 “a{1}s{2}s”(不含引号) 可以过滤 “ass”也可过滤 “axsxs”和 “axsxxs”等等。对于中文字符,若使用 GBK、Big-5 版本,每个中文字符相当于 2 个字节;若使用 UTF-8 版本,每个中文字符相当于 3 个字节。

另外,关键词还可以支持正则表达式,来匹配具有一定模式的关键词,比如”/1d{10}([^d]+|$)/“(不包括引号)用来匹配手机号码。正则表达式的内容过多,大家有兴趣可以搜索学习一下。

技术概览

以上讲述的,主要是文字类内容的审核和规则,逻辑简单,但应用最为广泛。近年随着短视频类产品的兴起,内容审核的逻辑需要更加深层的技术支持。

技术上的东西,对大多人来说如同天书,而且也没有必要深入了解。我们挑选几个容易理解的点,来窥探几分内容审核背后的技术。

内容审核逻辑|从入门到被门槛绊倒

来源:某相关产品宣传网页

OCR(文本识别技术),主要用来识别图**中存在的文字。许多违规内容,包括联系方式、**信息、广告信息等为了规避审核,都**以图**的方式呈现。

人脸识别技术,通常用来识别政治、宗教类人物,识别到后可以直接删除或者进行风险标记。

语音识别技术,语音识别的应用场景比较多,但在内容审核领域仍然不是刚需,所以使用的较少。但也有些直播或音频平台比较重视音频对比、声纹识别技术,可以轻易识别到一些固定模式的违法违规声音。

视频识别≈图**识别,视频是画面与音频组成的以帧为单位的画面,通常采取截帧上传与服务器数据对比来识别。审核模式和图**审核相同,比如通过画面皮肤裸露状态来判断是否过于性感、是否是**内容。

上下文语义识别技术,这种技术用来判断一句话是否能跟上下文结合,是否是一段垃圾文本。比如说,在评论区随便输入一串奇怪的文本,如果系统认为和上下文不相关,就有理由将内容放入审核区。

技术是很酷,用好了可以大量减少我们的工作,但内容审核技术的实施是一件很难一劳永逸的事情,其中的尺度和参数都需要人来不断维护,而且人工审核仍然是非常有必要的,并且需要的人工可能越来越多。内容审核技术的应用,仍然任重道远。

常见问题

1. 替代关键词不能太简单

我曾经在一款APP上看管理类文章,整篇文章多处说到给员工定绩效要遵循“**ART原则”,我迟疑了好几秒才明白,原来是“SMART原则”

SM这个词只有两个字母,无论是作为禁止、审核还是替换关键词都不合适,都容易拦截或替换大量不应该处理的内容,一般的方法很难处理。

这时候,我们可以总结一下模式,如果sm这两个字母前面是英文字母,或者后面是英文字母,一般来说就是另一个英文单词,就不**有问题。我们就可以用正则表达式把这一规则写出来,再设置审核或替换就**好很多。

2. 审核时间与用户体验的权衡

去知乎和微博搜一下“审核”,被抱怨最多的问题就是审核时间长。用户提交内容到内容审核通过,这期间心情**剧烈波动,如果用户等了一两天时间,最后内容被莫名其妙地拒绝,而且不给任何明确的拒绝理由,用户的心情就**由期待变为焦虑,进而变成愤怒,这就是B站被up主抱怨最多的地方。

我们可以从以下角度优化用户体验:

  1. 用户提交内容后,正常呈现已发布的内容状态,可以反复编辑,只是给出状态提示,提示内容正在审核,如果有必要可以提示一般多久可以审核完。
  2. 用户提交内容后,如果进入审核,但觉得问题不大,或者用户历史记录良好,可以自动进入“限流”状态,即只允许自己和粉丝/好友观看。待审核通过后,开放给所有人。这期间不需要给用户任何提示。
  3. 用户内容被拒后,原因是可以找到依据、可以确定的。很多平台都是让用户具体原因参考某某规范文档,但这个文档里又是一堆大而化之的空话。许多时候机器审核是存在误删的可能的,这时候如果申诉渠道也不能及时反馈,就**让人非常火大。
  4. 优质账号设为信任账户或优先审核。比如官方账号、以前从没出现问题的老账号,至少应当做到优先审核,甚至直接放开,先放后审。

3. 理解内容审核的保守倾向

越是体量很大的平台,内容审核越是有保守倾向,这不只是因为**子大了更加在意风险管理,还有一些现实的原因。内容数量太多,平台就不得不采用规则和算法去审核,这些规则和算法需要最终做出决策,就难免拿着标准一刀切,即使这把刀很小也**有误伤,这种标准对很多内容就显得过于严格。

比如皮肤裸露面积达到多少**有问题、裸露哪些位置**有问题,无论标准多么的细化,都**存在误判,被误判的内容比例可能很小,但绝对数量很大。据说很多图**和视频中如果存在加菲猫,都**被过滤掉,因为它**色面积太大而且和人的皮肤很像。

在被审核的用户看来这些标准有点保守,有点不近人情,甚至可笑。平台的管理人员也知道问题,但他们很难做到很细致,为了快速把违规的内容剔除,只能牺牲掉一部分人的用户体验,毕竟违规内容一旦出现,对平台来说就是大问题。所以说,内容审核技术的应用还非常任重道远。

以上的内容,对于一个运营或产品工作者来说,已经足够了。但如果你真的需要对一款产品的内容审核规范负责,就需要去学习更多知识,需要有更加专业的精神和更谨慎的态度,未来还**有无数难以预料的坎坷等着你。

 

本文由 @内容工程师原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
---蛙鱼源码WAYUYM.COM---专业提供网站模板,网站源码下载,教程培训,程序插件,网站素材等建站资源,主要收集各类精品源码资源,包含CMS程序模板、网站源码、游戏源码、APP源码等 ,所有资源都没有水印适合搬运,我们致力于打造一个优秀的建站资源共享学习平台!

专业厂家,设备先进,技术力量雄厚,自动化生产技术先进,产品质量符合国家标准,价格合理,https://www.69shenlan.com/,具有质量保证,生产及时,交货快捷的特点。 我们的宗旨:做我们擅长的事,希望用我们的创意和创意为客户实现战略定位,塑造品牌,强化形象!
我们的要求:坚持“优质产品、优质服务、优惠价格、快速交货”的经营方针,努力开拓市场,真诚为客户服务! 我们的发展:以独特的专业和专业精神,https://www.69shenlan.com/1:1--

3年

评论