腾讯音乐评论审核、分类与排序算法技术

导读： 本次分享的题目为音乐评论AI审核与排序，主要围绕以下三个方面展开：

• 背景介绍
• 评论审核
• 评论排序

01 背景介绍

1. 业务场景对比

音乐评论是音乐类APP里面比较重要的模块之一，它是用户表达心情和观点的窗口。我们主要有两个相关的业务场景，第一个是QQ音乐，第二个是全民K歌。这两个业务场景的评论是有差异的。QQ音乐中的评论类型很丰富，包括个人崇拜类、玩梗类、个人听歌感受类等。通常这些评论长难句子相对较多，语法较难。而K歌中的评论主要以互动和评价为主，句子较短，语法相对简单。此外，QQ音乐每日的新增评论大约有几十万条，而全民K歌则有千万量级之多。

2. 评论审核

评论审核指根据评论的质量去操作评论的状态。比如，对于一些抄袭、辱骂、或是包含敏感词的评论，我们会对它们进行隐藏，删除或者设为仅自己可见等等；对于一些轻度负面或者盖楼型的评论，我们可能会给它贴上劣质的标签，在排序上进行降权，减少曝光。此外，对于一些潜在的优质评论，是指那些文字写得不错，并且跟歌曲内容比较相关，但是因为点赞数较低而处于一个比较靠后的排序位置的评论，我们会在短期内给它们一个头部位置，使它们得到足够多的曝光。

我们针对不同的业务场景训练模型，让模型给出操作建议来辅助审核，甚至自动审核，以达到减少人力成本的目的。

3. 评论排序

好的排序可以极大提升用户阅读评论的体验。我们的算法需要综合考虑更多的因素，给出更优的分发方式。我们主要考虑了两类因子：

第一个是文本语义标签，包括文本的质量、主题、情绪等等。第二个是后验因子，包括评论的点赞、回复以及点赞飙升情况等。

上图是我们的一个排序白板，带颜色的部分是评论的文本标签，后面是它的置信度。而图右的一些数值就是后验因子。

我们将相关技术应用到QQ音乐的评论排序上面，在最热和最新tab的基础上增加了一个推荐序tab，使得排序核心指标得到了有效的提升。

02 评论审核-QQ音乐

1. 业务目标

审核的人力无法满足需求，因此我们 需要借助NLP实现两个业务目标 ：①使用模型辅助审核，提高审核效率。②实现部分评论的自动审核。

上图右侧红框内是文本质量标签和模型给出的处理意见，其下面打码的部分是一些具体操作。

2. 质量模型

基于上述业务目标，我们 构建了一个质量模型 。 我们把文本质量分为优质、良好、普通、劣质四类标签，主要以语言的优美流畅性，与歌曲的相关性，情感极性以及主题类别等作为考量因素。 例如上图中的红色评论，首先它和歌曲名有一定的相关性，并且使用了对偶句式。它的语言是比较优美流畅的，因此，我们给它打上了优质的标签。相较之下，黄色的评论是批评周董唱功，我们就给它打上了劣质的标签。插播一条广告：需要开通正版JetBrains全家桶的可以联系我，56元一年，正版授权，官网可查有效期，有需要的加我微信：poxiaozhiai6，备注：910。

结合质量标签以及评论状态，模型可以给出具体的操作建议，从而辅