规划更具包容性和更安全的在线社区砖和Labelbox

虽然视频游戏和数字内容是娱乐的来源,与他人建立联系,许多世界各地的和有趣的,他们也经常一个不良行为可以包括燃烧的目的地,恶意破坏,网络欺凌,仇恨言论在用户生成内容的形式。社交媒体平台和视频游戏开发bob体育客户端下载商都是旨在打击网络不良行为与人工智能的最新进展。然而,现实的情况是,人工智能的训练通常始于手册和艰苦的标签工作团队筛选大量的有毒和良性的用户评论内容分类模型的训练。

寻找更快和更符合成本效益的方式,将非结构化的文本数据转换为结构化数据是非常有益的对支持更先进的用例识别和消除不必要的内容。的商业利益,这包括提高工作能力和效率的人类版主在创建在线社区,与对方不受骚扰。

在游戏中毒性模型可以伤害玩家的经验,如果他们有很高的假阴性或假阳性。假阴性允许不良行为继续有增无减,假阳性可以为删除标志健康的球员。主动学习是一种有效的过程,有助于减少假阳性和假阴性。为了促进主动学习,Labelbox允许您快速检查预测模型和批准或改正。你可以使用你的更正标签重新训练模型,所以它不会犯同样的错误在未来。

(免责声明:所提供的内容是用于说明的目的,可以认为是进攻或令人反感的)

你也可以存储模型嵌入Labelbox促进通过降维分析。例如,您的模型嵌入可能揭示新的分组的数据你之前根本没有想到的。或许你还会发现特定类型的数据,你有很高的假阴性或假阳性。

你可以查看项目出现在这篇博客在这里。虽然这些演示笔记本是为对抗不良内容,可以广泛应用于其他NLP AI用例,需要高质量的训练数据训练模型。您可以了解更多关BOB低频彩于砖和Labelbox集成从2021年数据& AI峰会看这个演讲。问题吗?向我们伸出援手(电子邮件保护)。

下载毒性的解决方案加速器并尝试模型辅助标签Labelbox今天!使模型辅助Labelbox标签在您的免费试用,请联系(电子邮件保护)。