केस स्टडी: सामग्री मध्यस्थता
30K+ कागजात वेब स्क्र्याप र सामग्री मध्यस्थताको लागि एनोटेट
जुन हामी जडान र सञ्चार गर्ने अनलाइन ठाउँ सुरक्षित गर्न कोसिस गर्छ।
सामाजिक सञ्जालको प्रयोग बढ्दै गएपछि,
साइबर बुलिङको समस्या ए
प्रयास गर्ने प्लेटफर्महरूको लागि महत्त्वपूर्ण बाधा
सुरक्षित अनलाइन ठाउँ सुनिश्चित गर्नुहोस्। अचम्म लाग्ने
38% व्यक्तिहरूले यो सामना गर्छन्
दैनिक आधारमा हानिकारक आचरण,
आविष्कारकको लागि तत्काल मागलाई जोड दिँदै
सामग्री मध्यस्थता दृष्टिकोण।
संगठनहरू आजको प्रयोगमा निर्भर छन्
स्थायी सम्बोधन गर्न कृत्रिम बुद्धिमत्ता
सक्रिय रूपमा साइबरबुलिङको समस्या।
साइबरसुरक्षा:
फेसबुकको Q4 सामुदायिक मानक प्रवर्तन प्रतिवेदनले खुलासा गर्यो - 6.3 मिलियन धम्की र उत्पीडन सामग्रीमा कारबाही, 49.9% को सक्रिय पत्ता लगाउने दरको साथ।
शिक्षा:
A 2021 अध्ययनले पत्ता लगाएको छ 36.5%संयुक्त राज्य अमेरिका मा % को उमेर को बीच विद्यार्थीहरु 12 र 17 वर्षौंले उनीहरूको स्कूली शिक्षाको क्रममा एक बिन्दु वा अर्कोमा साइबर बुलिङ अनुभव गरे।
2020 को रिपोर्ट अनुसार, विश्वव्यापी सामग्री मोडरेसन समाधान बजार 4.07 मा USD 2019 बिलियन मा मूल्यवान थियो र 11.94% को CAGR संग, 2027 सम्म USD 14.7 बिलियन पुग्ने अपेक्षा गरिएको थियो।
वास्तविक विश्व समाधान
विश्वव्यापी वार्तालापहरू मध्यस्थता गर्ने डाटा
ग्राहकले एक बलियो स्वचालित विकास गरिरहेको थियो
सामग्री मध्यस्थता मेसिन लर्निंग
यसको क्लाउड प्रस्तावको लागि मोडेल, जसको लागि तिनीहरू
डोमेन-विशिष्ट विक्रेता खोज्दै थिए जो
तिनीहरूलाई सही प्रशिक्षण डेटाको साथ मद्दत गर्न सक्छ।
प्राकृतिक भाषा प्रशोधन (NLP) मा हाम्रो व्यापक ज्ञानको लाभ उठाउँदै, हामीले ग्राहकलाई अङ्ग्रेजी र स्पेनिश दुवै भाषामा 30,000 भन्दा बढी कागजातहरू भेला गर्न, वर्गीकरण गर्न र एनोटेट गर्न मद्दत गर्यौं। कोटिहरू।
समस्या
- वेब प्राथमिकता प्राप्त डोमेनहरूबाट स्पेनिश र अंग्रेजी दुवैमा 30,000 कागजातहरू स्क्र्याप गर्दै
- संकलित सामग्रीलाई छोटो, मध्यम र लामो खण्डहरूमा वर्गीकरण गर्दै
- संकलित डेटालाई विषाक्त, परिपक्व वा यौनजन्य सामग्रीको रूपमा लेबल गर्दै
- न्यूनतम ९०% शुद्धताका साथ उच्च-गुणस्तरको एनोटेसनहरू सुनिश्चित गर्दै।
समाधान
- वेबले BFSI, हेल्थकेयर, निर्माण, खुद्राबाट स्पेनिश र अंग्रेजीका लागि प्रत्येक 30,000 कागजातहरू स्क्र्याप गर्यो। सामग्रीलाई थप छोटो, मध्यम र लामो कागजातहरूमा विभाजन गरिएको थियो
- वर्गीकृत सामग्रीलाई विषाक्त, परिपक्व वा यौनजन्य सामग्रीको रूपमा सफलतापूर्वक लेबल गर्दै
- 90% गुणस्तर प्राप्त गर्न, Shaip ले दुई-स्तरीय गुणस्तर नियन्त्रण प्रक्रिया लागू गर्यो:
»स्तर १: गुणस्तर आश्वासन जाँच: १००% फाइलहरू प्रमाणीकरण गर्न।
» लेभल २: क्रिटिकल क्वालिटी एनालिसिस चेक: शैप्सको CQA टोलीले पूर्वव्यापी नमूनाहरूको १५%-२०% मूल्याङ्कन गर्न।
परिणाम
प्रशिक्षण डेटाले स्वचालित सामग्री मध्यस्थता ML मोडेल निर्माण गर्न मद्दत गर्यो जसले सुरक्षित अनलाइन वातावरण कायम गर्नका लागि धेरै परिणामहरू प्राप्त गर्न सक्छ। केही प्रमुख परिणामहरू समावेश छन्:
- डाटा को विशाल amt प्रक्रिया गर्न दक्षता
- मध्यस्थता नीतिहरूको समान कार्यान्वयन सुनिश्चित गर्नमा एकरूपता
- बढ्दो प्रयोगकर्ता आधार र सामग्री भोल्युमहरूमा अनुकूलन गर्न स्केलेबिलिटी
- वास्तविक समय मध्यस्थताले पहिचान गर्न सक्छ र
सम्भावित रूपमा हानिकारक सामग्रीहरू उत्पन्न भएको रूपमा हटाउनुहोस् - मानव मध्यस्थकर्ताहरूमा निर्भरता घटाएर लागत-प्रभावकारिता
सामग्री मध्यस्थताका उदाहरणहरू
हामीलाई बताउनुहोस् कि हामी तपाइँको अर्को AI पहल संग कसरी मद्दत गर्न सक्छौं।