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。
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。
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。确定有问题的会被自动删除,难以判断是否有问题的会被标注,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超过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、豆瓣亦或是游戏聊天平台和论坛,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。
越是大规模数据的平台,内容审核的方向和判断越是保守,这不止由于风险管理的考虑,还包含一些现实原因。一些规则和算法无法做到精准的一刀切原则并无误伤,因而在某些情况下审核的标准对很多内容就显得过于严格。
对于运营或产品工作者来说,文本类AI模型的过滤效果在市场实操中的反馈和数据表现都较为成熟,因此在游戏运营与反灰产的实际工作中,企业可以考虑介入第三方服务,从而让成本下降的同时保证审核机制的实施更新与表现完善。
————————————————
版权声明:本文为CSDN博主「谛听安全」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/Diting2020/article/details/126405572