《表1 现有不良信息内容识别手段与深度学习的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的不良信息治理新技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

现有不良信息内容识别手段与深度学习技术的特性比较见表1。由表1可看出，相比现有不良信息内容识别手段，深度学习技术具有准确率高和泛化能力强的特点，和现有方法形成了很好的互补。另外，当模型确定时，模型使用的特征数量是固定可控的，不会随着训练数据的增加而增大。当然，深度学习模型也存在可配置性差的问题。由于模型提取特征的不可解释性，很难对模型的判别逻辑直接进行人工干预，修改模型的唯一可行方法是通过更新训练数据进行增量和全量训练。由于训练模型的过程比较耗时，所以模型更新一次的时间周期也比较长，不利于对新出现的不良信息进行快速的应对和识别。综上所述，深度学习技术与现有不良信息治理技术各有利弊，且能力互补。引入深度学习技术可以进一步加强不良信息内容识别能力，但并不意味其可以替代现有的治理手段。