常見問題

• 內容審核的具體職責是什么？

  內容審核：1：根據內部審核標準，負責相關內容的審核，包括文字、圖片、視頻等多種形式的內容；2：審核過程中存在問題的反饋，輔助優化審核流程；3：提取、總結審核內容的特點，輔助自動化審核的建立；4：定期對審核的內容進行抽樣檢測。
  圖片審核：準確識別圖像中的涉政敏感人物、暴恐元素、涉黃內容等，幫助業務規避違規風險。圖像使用先進的目標檢測及內容識別算法，實時自動檢測圖片中的違規內容。搭建了復雜的模型體系，利用Resnet， DBnet，CRNN等多個模型對違規內容綜合判斷，避免錯殺漏殺。
  文本審核：采用人工智能文本檢測技術有效識別涉黃、涉政、廣告、辱罵、違禁品和灌水文本內容，提供定制化的文本敏感內容審核方案。文本審核系統協助企業客戶自動識別文本中出現的涉政、色情、暴恐、辱罵、廣告等違紀違規違法內容，幫助客戶降低違規風險，為使用者打造和諧業務使用環境，提升用戶體驗。
   
   

• 人工智能審核的優勢有哪些？

  隨著信息技術的發展和智能終端的普及，從文字、圖片、音頻，到視頻、直播，互聯網內容展現形式層出不窮，內容主體也在不斷豐富。數量龐大、形態多樣、主體多元的互聯網內容行業，也出現了魚龍混雜的局面。低俗、標題黨、歷史虛無……互聯網上出現的種種問題交織在一起，對國家安全、社會安定和諧，特別是對青少年成長，都造成了不良影響。
   
  人工對于某些特殊細節能夠更加細節、準確，但是效率不夠高，不能跟上業務的快速發展，且人工容易疲憊，導致出錯率、準確率不穩定。
   
  而采取人工智能的審核方式，可以做到更快、大批量、高效地進行審核，精準程度比較穩定。但是部分內容審核準確率會不足。
   
  目前市場上的內容審核多采用人工智能技術，數據庫利用機器的深度學習和相關知識規則匹配可以實現對90%以上文本、圖片的過濾。成熟的審核系統能自動審核95%甚至99%以上的內容，并做出處理。也就是說數據庫越豐富，機器所掌握可作為鑒別的實例越多，執行任務就越為精準。確定有問題的會被自動刪除，難以判斷的會被標注，進入人工審核程序。
   
  在內容風控中，人工智能技術越來越重要，自然語言處理、圖像識別、聲紋識別等技術已經得到了越來越多的運用。人工智能審核不存在疲憊和精力不集中等問題。據有效數據顯示，人工智能審核的效率是人工識別的1000倍。不可否認無論是審核速度還是識別準確率上機器都并不遜色，人工智能內容審核的優勢得到了充分的體現。
   
   

• 如何才能做到數據的精準分析？

  1、明確分析目的
   
  業務理解
  從事數據分析工作的前提就是懂業務，即熟悉行業知識、公司業務及流程，有自己的業務見解。如果脫離行業認知和公司業務背景，分析的結果沒有太大的使用價值。
  如何做到懂業務？首先我們要明白我們業務的商業模式是怎么樣的？即我們通過什么樣的方式發生關系并最終產生什么樣的商業價值。其次我們要了解我們商業模式的核心組成要素，例如我們的客戶細分、收入來源、關鍵業務、核心的資源、成本的結構等等。除此之外我們要對核心的環境因素有所了解，例如宏觀經濟、市場影響、行業趨勢等等。
   
  明確目的
  數據分析第一步，不是分析數據而是把業務的問題或者目標定義清晰。通過這次數據分析想要解決一個什么樣的問題，達成一個業務目標是什么？
   
  2、確定分析思路和框架
   
  在明確分析的目的之后，我們需要梳理分析思路，并確定分析框架，即從哪些角度進行分析，采用哪些分析指標。在梳理分析思路的時候，將常見的思維模型應用與分析，能夠幫我們更加清晰的理解背后的邏輯線索，做到”不重不漏“（MECE）。常見的思維模型有：結構化思維模型、時間模型、邏輯演繹模型、重要性思維模型。
  當然在今天，除了思維模型，其實我們已經沉淀了很多經典的分析模型，這些分析模型歷經隨便的沉淀和檢驗。如果你熟悉這些分析框架你的思考會更加快速，有效。你不需要在另起爐灶，就能達到事半功倍。例如：SWOT分析模型、STP分析模型、RATER指數模型。
   
  掌握分析思維模型
  思維模型就是我們對客觀世界的一種主觀抽象描述，通過思維模型來分析問題，從而更為準確地找到解決問題的方法。查理·芒格說過：“思維模型是你大腦中做決策的工具箱。你的工具箱越多，你就越能做出最正確的決策。”
   
  1）結構化模型
  以事物的結構為思考對象，來引導思維、表達和解決問題的一種思考方法。例如麥肯錫的金字塔原理，5W2H七要素分析法。
   
  2）5W2H分析法
  又叫七問分析法，是二戰中美國陸軍兵器修理部首創。簡單、方便，易于理解、使用，富有啟發意義，廣泛用于企業管理和技術活動，對于決策和執行性的活動措施也非常有幫助，也有助于彌補考慮問題的疏漏。
   
  3、數據細化分析
  當得到初步的結論時，需要進一步的進行細拆分。在這些綜合指標的使用過程中，很容易就忽視了關鍵的數據細化。指標本身的變化也是需要分析變化產生的原因。數據細化是需要進行多種維度的拆分。細分分析就是要多問些為什么，這是得到結論的關鍵。
  分不同的時間，短數據是不是會發生了變化；分渠道，不用的來源渠道的流量是否會有不用的變化；用戶本身就會有不同，分新用戶以及老用戶，這新老用戶之間是否存在著差異；不同的地區也會帶來不同的數據。
   
   

• 人工智能審核廠商有哪些？

  1、數美科技
  成立于 2015 年 6 月，是一家專業的在線業務風控解決方案提供商，為客戶提供天網-全棧式智能業務風控和天凈-全棧式智能內容風控兩大核心產品，致力于解決在線業務中廣泛存在的業務風險與內容風險，為企業數字化轉型保駕護航。
  數美科技的全棧式實時智能風控引擎已實現全球化AI SaaS多集群部署，覆蓋中國大陸、歐洲、北美、東南亞、印度等十余個國家和地區，日均風控服務達30億次以上。
   
  2、百度大腦AI開放平臺
  百度AI內容審核平臺針對圖像、文本、語音、視頻等多媒體內容，提供全方位的審核能力，覆蓋涉黃、違禁、惡意推廣、低質灌水、惡心不適等豐富的識別維度，為業務健康發展保駕護航；平臺提供靈活的自定義配置功能，界面化調整識別維度和松緊度，5分鐘即可完成規則配置，高效便捷。具備準確識別圖片中的色情、廣告、惡心、違禁等不良內容，也能從美觀和清晰等維度對圖像進行篩選，支持自定義圖像黑白名單庫，全面過濾違規、低質圖像等功能。
   
  3、竹間智能審核系統
  以獨特的情感計算、自然語言處理、深度學習、知識工程、文本處理等人工智能技術為基礎，將AI能力整合到企業業務中，為企業賦能，智能化轉型的變革，竹間自動化AI平臺產品包括 Bot Factory²²對話式AI平臺，Gemini²²知識工程平臺、 AICC+²² 解決方案平臺、NLP²²自然語言處理平臺、Scorpio²²自動化機器學習平臺，以及WFEA²²超級工作流程自動化6大平臺。目前在AI+金融、AI+企業、AI+健康醫療、AI+制造、AI+智能終端、AI+政務等領域提供完整的解決方案。
   
   
   

• 內容分析的方法、策略

  內容分析法是一種對文本內容進行分類、編碼、語義判斷及形成可供統計分析之用的量化分析方法，它廣泛應用在社會科學研究領域。近年來，隨著研究技術的進步和研究場景的演變，傳統內容分析法也不斷與時俱進，發展出了結合人工智能算法和大數據技術的全新的內容分析法。
   
  全新的內容分析法既是一種機遇，又是一種挑戰，尤其是對于那些缺少計算機編程經驗的社科研究者而言，就算有再好的研究思路，如果不會寫代碼、沒有好用的研究工具，面對海量的文本資料的時候也是一籌莫展。
   
  (1)解讀式內容分析法
  解讀式內容分析法是一種通過精讀、理解并闡釋文本內容來傳達意圖的方法。“解讀”的含義不只停留在對事實進行簡單解說的層面上，而是從整體和更高的層次上把握文本內容的復雜背景和思想結構。從而發掘文本內容的真正意義。這種高層次的理解不是線性的，而具有循環結構：單項內容只有在整體的背景環境下才能被理解，而對整體內容的理解反過來則是對各個單項內容理解的綜合結果。
  這種方法強調真實、客觀、全面地反映文本內容的本來意義，具有一定的深度，適用于以描述事實為目的的個案研究。但因其解讀過程中不可避免的主觀性和研究對象的單一性，其分析結果往往被認為是隨機的、難以證實的，因而缺乏普遍性。
   
  (2)實驗式內容分析法
  實驗式內容分析主要指定量內容分析和定性內容分析相結合的方法。20世紀20年代末，新聞界首次運用了定量內容分析法，將文本內容劃分為特定類目，計算每類內容元素出現頻率，描述明顯的內容特征。該方法具有三個基本要素，即客觀、系統、定量。
  用來作為計數單元的文本內容可以是單詞、符號、主題、句子、段落或其他語法單元，也可以是一個籠統的“項目”或“時空”的概念。這些計數單元在文本中客觀存在，其出現頻率也是明顯可查的，但這并不能保證分析結果的有效性和可靠性。一方面是因為，統計變量的制定和對內容的評價分類仍由分析人員主觀判定，難以制定標準，操作難度較大；另一方面計數對象也僅限于文本中明顯的內容特征，而不能對潛在含義、寫作動機、背景環境、對讀者的影響等方面展開來進行推導，這無疑限制了該方法的應用價值。