互联网社区产品方法论(15)

就目前情况而言，机器还是不能替代人工，原因也很简单，就是机器并没有大家想的那么智能，就像Siri这种顶尖的人工智能机器人，如果你问的问题稍稍跳脱它给出的范围，它的“智商”就会断崖式下降，只会跟个二傻子一样讲冷笑话。
就之前了解到的情况来看，目前涉及UGC的公司，基本还都是使用人工来对内容审核。机器现在做的，更多的是第一步的关键词过滤，如提到某些关键词，内容就一定违规，机器做的就是将这些内容直接过滤掉，不用再走到人工那一步。
对于内容审核流程来说，必需的有以下三个环节，分别是：机器审核、人工审核、人工质检。
机器审核如上所述，主要作用为关键词过滤，过滤掉100%违规的帖子，减少人工审核的工作量；次要作用为内容打标（视频审核的话，机器还会对视频进行随机截帧），标签的维度多种多样，目标始终是围绕着提升人工审核的效率。
内容到达人工审核这一步时，审核人员看到的，已经是机器处理过的内容。审核人员通过浏览原始内容和机器给的辅助判断信息，迅速对内容合规性作出判断。人工审核难免出现误差，因此，一般社区还会增加质检，即随机抽取已审核内容进行再次审核，确保内容的合规性。
5. 内容消费
用户在社区内消费的内容，按照内容分发逻辑来看，主要分为3类：话题信息流，关注信息流，以及推荐信息流。
1）话题信息流
是以话题聚合的内容列表，如某个豆瓣小组的帖子列表。话题信息流排序方式较为简单，不外乎最新发帖序、最新更新/评论序，以及热门序。
前两个比较容易理解，热门序是通过热度算法，将近期热门帖子筛选出来，并以热度值进行排序的排序方式。可能有人好奇具体的热门算法，其实业内普遍使用的都是“热度值=（初始热度值 互动热度值）*时间衰减因子”的公式。
更具体的举例来说，可以将上述公式细化为：热度值=(初始热度值 （阅读量*x 转发量*y 分享量*z 评论量*a 点赞量*b 收藏率*c 触发关注量*d 作者个人主页打开量*e）)/（e^(k*(t1-t0))），其中，“初始热度值”和作者属性、内容属性以及实体属性相关，“（e^(k*(t1-t0))）”是基于牛顿冷却定律的时间衰减因子。
2）关注信息流
是用户关注的人发布信息组成的内容列表，关注是用户主动触发的行为，理论上关注信息流中的所有信息，用户都想要阅读。因此，早期关注信息流均是以最近发布时间进行排序。