CN112348615A - 用于审核信息的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于审核信息的方法和装置。该方法的一具体实施方式包括：获取物品的展示用信息作为待审核信息；利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；根据待审核信息的审核结果，对物品的展示用信息进行处理。该实施方式有助于降低审核成本，并缩短审核周期。

Description

用于审核信息的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于审核信息的方法和装置。

背景技术

随着电子商务的不断发展，其涉及的商品的数量和种类也在不断增加。目前，许多电商平台在展示商品时，通常会提供文本、图像、视频、音频等各种格式的信息以供用户更详细地了解商品。为了保证所展示文本、图像等信息的合规性，通常需要电商平台对这些商品信息进行审核，以避免向用户展示不合规的商品信息。

目前，常用的审核方法仍是人工审核。但是，随着商品的数目和展示的商品信息的大幅增涨，依靠人工审核很多时候已经不能有效地完成对所有商品信息的审核。对此，有些电商平台会根据一些过滤规则筛选出可能不合规的商品信息，再由人工审核筛选出的商品信息。这种方式虽然减少了人工审核商品的信息的数目，但是所使用的过滤规则通常是非常简单和粗糙的，从而很容易漏掉对许多不合规的商品信息的检测。

发明内容

本公开的实施例提出了用于审核信息的方法和装置。

第一方面，本公开的实施例提供了一种用于审核信息的方法，该方法包括：获取物品的展示用信息作为待审核信息；利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；根据待审核信息的审核结果，对物品的展示用信息进行处理。

在一些实施例中，利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，包括：利用至少两个基于机器学习的算法，分别对待审核信息进行审核，得到至少两个子审核结果，其中，子审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；根据得到的至少两个子审核结果，确定待审核信息的审核结果。

在一些实施例中，根据得到的至少两个子审核结果，确定待审核信息的审核结果，包括：响应于确定至少两个子审核结果中的、用于表征待审核信息通过审核的子审核结果的数目不小于第一阈值，确定待审核信息通过审核。

在一些实施例中，根据得到的至少两个子审核结果，确定待审核信息的审核结果，包括：响应于确定至少两个子审核结果中的、用于表征待审核信息未通过审核的子审核结果的数目不小于第二阈值，确定待审核信息未通过审核。

在一些实施例中，根据得到的至少两个子审核结果，确定待审核信息的审核结果，包括：响应于确定至少两个子审核结果中的用于表征当前无法确定待审核信息是否通过审核的子审核结果的数目不小于第三阈值，确定当前无法确定待审核信息是否通过审核。

在一些实施例中，响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，包括：响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，确定待审核信息通过审核的置信度；响应于确定待审核信息通过审核的置信度低于预设的置信度阈值，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果。

在一些实施例中，基于机器学习的算法根据物品的目标属性的属性值确定。

在一些实施例中，在使用得到的人工审核结果更新待审核信息的审核结果之后，上述用于审核信息的方法还包括：存储待审核信息的审核结果；利用存储的待审核信息的审核结果，更新基于机器学习的算法。

第二方面，本公开的实施例提供了一种用于审核信息的装置，该装置包括：获取单元，被配置成获取物品的展示用信息作为待审核信息；审核单元，被配置成利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；上述审核单元，进一步被配置成响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；处理单元，被配置成根据待审核信息的审核结果，对物品的展示用信息进行处理。

在一些实施例中，上述审核单元进一步被配置成利用至少两个基于机器学习的算法，分别对待审核信息进行审核，得到至少两个子审核结果，其中，子审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；根据得到的至少两个子审核结果，确定待审核信息的审核结果。

在一些实施例中，上述审核单元进一步被配置成响应于确定至少两个子审核结果中的、用于表征待审核信息通过审核的子审核结果的数目不小于第一阈值，确定待审核信息通过审核。

在一些实施例中，上述审核单元进一步被配置成响应于确定至少两个子审核结果中的、用于表征待审核信息未通过审核的子审核结果的数目不小于第二阈值，确定待审核信息未通过审核。

在一些实施例中，上述审核单元进一步被配置成响应于确定至少两个子审核结果中的用于表征当前无法确定待审核信息是否通过审核的子审核结果的数目不小于第三阈值，确定当前无法确定待审核信息是否通过审核。

在一些实施例中，上述审核单元进一步被配置成响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，确定待审核信息通过审核的置信度；响应于确定待审核信息通过审核的置信度低于预设的置信度阈值，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果。

在一些实施例中，基于机器学习的算法根据物品的目标属性的属性值确定。

在一些实施例中，上述用于审核信息的装置还包括：存储单元，被配置成存储待审核信息的审核结果；更新单元，被配置成利用存储的待审核信息的审核结果，更新基于机器学习的算法。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于审核信息的方法和装置，通过在对物品的审核过程中应用机器学习，可以有效地提升审核速度，从而能够完成对大量的物品的展示用信息的审核。而且先利用基于机器学习的算法对物品的展示用信息进行审核，再将利用基于机器学习的算法无法确定审核结果的物品的展示用信息进行人工审核，可以在降低审核成本，并缩短审核周期的同时，保证审核结果的精确性。另外，通过对物品的展示用信息进行审核，可以避免向用户展示未通过审核的物品的展示用信息(如涉及暴力的图像或视频等)，从而也可以避免由于未通过审核的物品的展示用信息的传播而可能造成的不良影响，同时可以根据审核结果及时地清理未通过审核的物品的展示用信息，从而节省存储资源。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于审核信息的方法的一个实施例的流程图；

图3是根据本公开的用于审核信息的方法的又一个实施例的流程图；

图4是根据本公开的实施例的用于审核信息的方法的一个应用场景的示意图；

图5是根据本公开的用于审核信息的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于审核信息的方法或用于审核信息的装置的实施例的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，浏览器类应用、购物类应用、社交类应用、金融类应用等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上安装的客户端应用提供后端支持的服务器。服务器105可以获取物品的展示用信息作为待审核信息，并对待审核信息进行审核等处理，以确定待审核信息是否通过审核，并根据审核结果对物品的展示用信息进行处理。例如，若物品的展示用信息通过审核，则可以利用终端设备101、102、103展示物品的展示用信息。若物品的展示用信息未通过审核，则可以控制终端设备101、102、103停止物品的展示用信息的展示。

需要说明的是，上述物品的展示用信息可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的物品的展示用信息并进行处理，此时，可以不存在终端设备101、102、103和网络104。

需要说明的是，本公开的实施例所提供的用于审核信息的方法一般由服务器105执行，相应地，用于审核信息的装置一般设置于服务器105中。

还需要指出的是，终端设备101、102、103中也可以安装有信息处理类应用，终端设备101、102、103也可以基于信息处理类应用对物品的展示用信息进行审核。此时，用于审核信息的方法也可以由终端设备101、102、103执行，相应地，用于审核信息的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的用于审核信息的方法的一个实施例的流程200。该用于审核信息的方法包括以下步骤：

步骤201，获取物品的展示用信息作为待审核信息。

在本实施例中，用于审核信息的方法的执行主体(如图1所示的服务器105)可以从本地、其它存储设备或连接的数据库等获取物品的展示用信息作为待审核信息。

其中，物品可以是生产、办公、生活等各领域中的各种物品。物品的展示用信息可以为物品相关的、各种用于向用户展示的信息。物品的展示用信息可以是各种格式的信息。例如，物品的展示用信息可以是文本、图像、视频、音频等等。

举例来说，物品的展示用信息可以包括物品的名称、尺寸等属性信息，也可以包括物品的拍摄图像。

可选地，响应于确定物品的展示用信息被更新，可以获取物品的更新后的展示用信息作为待审核信息。由此，可以及时地对物品更新后的展示用信息进行审核，以保证更新后的展示用信息符合审核要求。

可选地，响应于接收到物品的、待展示的展示用信息，可以获取物品的、待展示的展示用信息作为待审核信息。由此，可以在展示物品的展示用信息之前对展示用信息进行审核，以避免向用户展示未通过审核的展示用信息。

步骤202，利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果。

在本实施例中，审核结果可以用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核。换言之，待审核信息的审核结果可能存在三种情况。一种审核结果用于表征待审核信息通过审核，一种审核结果用于表征待审核信息未通过审核，一种审核结果用于表征当前利用基于机器学习的算法无法确定待审核信息是否通过审核。

应当可以理解，在不同的应用场景下，可能会有不同的审核目的。因此，可能会有不同的审核标准。换言之，通过审核和未通过审核的条件可能不同。

例如，待审核信息为文本，审核通过的条件为不包括预设的关键词集中的关键词时，若待审核信息包括上述关键词集中的关键词，则待审核信息未通过审核，若待审核信息不包括上述关键词集中的关键词，则待审核信息通过审核。

机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，使用计算机作为工具并致力于真实实时的模拟人类学习方式，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径。

目前，常见的机器学习的算法包括如决策树算法、朴素贝叶斯算法、支持向量机算法、随机森林算法、人工神经网络算法、Boosting与Bagging算法、关联规则算法、EM(Expectation-Maximization algorithm，期望最大化)算法、深度学习等等。

在本实施例中，采用的基于机器学习的算法可以是上述提到的各种机器学习的算法，也可以是现有的各种开源的机器学习的算法，也可以是对上述提到的各种机器学习的算法或现有的各种开源的机器学习的算法进行调整后的算法。

当然，具体采用的算法可以根据实际的应用场景和应用需求灵活调整和设置。举例来说，基于机器学习的算法可以包括如用于检测文本敏感词的算法、用于检测文本的绝对化语义的算法、用于检测图像的敏感内容(如敏感人物、包含刀具等)的算法、

可以理解的是，本实施例中对待审核信息进行审核的、基于机器学习的算法相当于一个分类算法，以确定待审核信息属于哪一个类别。上述的三种情况可以分别视为一种类别。即，通过审核可以视为一个类别，未通过审核可以视为一个类别，当前无法确定是否通过审核可以视为一个类别。

作为示例，待审核信息为图像，审核通过的条件为不包含涉及暴力的内容时，可以利用预先训练的深度学习模型对待审核信息进行审核。其中，深度学习模型可以用于对待审核信息进行处理，以确定待审核信息包含涉及暴力的内容的概率。

若确定的概率大于第一预设阈值，则确定待审核信息包含涉及暴力的内容，即待审核信息的审核结果用于表征待审核信息未通过审核。若确定的概率小于第二预设阈值，则确定待审核信息不包含涉及暴力的内容，即待审核信息的审核结果用于表征待审核信息通过审核。若确定的概率不小于第二预设阈值且不大于第一预设阈值，则确定当前无法确定待审核信息是否通过审核，即待审核信息的审核结果用于表征当前无法确定待审核信息是否通过审核。

步骤203，响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果。

在本实施例中，若利用基于机器学习的算法无法确定待审核信息是否通过审核，可以进一步基于人工审核确定待审核信息是否通过审核。

若基于人工审核确定待审核信息通过审核，则将待审核信息的、用于表征当前无法确定待审核信息是否通过审核的审核结果更新为用于表征待审核信息通过审核的审核结果。若基于人工审核确定待审核信息未通过审核，则将待审核信息的、用于表征当前无法确定待审核信息是否通过审核的审核结果更新为用于表征待审核信息未通过审核的审核结果。

步骤204，根据待审核信息的审核结果，对物品的展示用信息进行处理。

在本实施例中，在得到待审核信息的审核结果之后，可以根据实际的应用场景或应用需求，确定对物品待审核信息，即物品的审核信息的具体处理方法。

作为示例，若审核结果用于表征待审核信息通过审核，可以进一步存储并控制向用户展示物品的展示用信息。若审核结果用于表征待审核信息未通过审核，可以发送用于提示物品的展示用信息未通过审核的提示信息，和/或控制删除已存储的、物品的展示用信息，以避免向用户展示未通过审核的物品的展示用信息。

本公开的上述实施例提供的方法通过先利用基于机器学习的算法完成物品的展示用信息的审核，在利用基于机器学习的算法无法确定物品的展示用信息是否通过审核时，再基于人工审核完成物品的展示用信息的审核。这样一来，在存在大量的物品的展示用信息时，和全部都需要人工审核来确定物品的展示用信息是否通过审核的方法相比，有效地解决了全部通过人工审核所导致的审核成本高和审核周期长的问题，和通过粗糙的过滤规则来确定物品的展示用信息是否通过审核的方法相比，可以高效的完成大量物品的展示用信息的审核，而且提升审核结果的准确度，避免对许多未通过审核的商品的展示用信息出现误判的情况，从而可能导致这些未通过审核的商品的展示用信息的传播，并由于这些未通过审核的商品的展示用信息的传播而对用户或社会造成不良影响。

进一步参考图3，图3是根据本实施例的用于审核信息的方法的又一个实施例的流程300。该用于审核信息的方法的流程300，包括以下步骤：

步骤301，获取物品的展示用信息作为待审核信息。

上述步骤301的具体的执行过程可参考图2对应实施例中的步骤201的相关说明，在此不再赘述。

步骤302，利用至少两个基于机器学习的算法，分别对待审核信息进行审核，得到至少两个子审核结果。

在本实施例中，利用每个基于机器学习的算法对待审核信息进行审核，可以得到对应的一个子审核结果。其中，每个子审核结果可以用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核。换言之，每个子审核结果可能存在三种情况。一种子审核结果用于表征待审核信息通过审核，一种子审核结果用于表征待审核信息未通过审核，一种子审核结果用于表征当前利用基于机器学习的算法无法确定待审核信息是否通过审核。

其中，所采用的各个基于机器学习的算法可以由技术人员根据实际的应用场景和应用需求进行设置。

例如，待审核信息为图像，审核通过的条件为不包含涉及色情或暴力的内容时，可以分别利用基于机器学习的第一算法和基于机器学习的第二算法对待审核信息进行审核，从而得到两个子审核结果。其中，上述第一算法可以用于检测图像包含涉及色情的内容的概率，并根据得到的概率确定子审核结果，上述第二算法可以用于检测图像包含涉及暴力的内容的概率，并根据得到的概率确定子审核结果。

又例如，待审核信息包括多种类型的信息。以待审核信息包括文本和图像作为示例，若审核通过的条件为文本不包括预设的关键词集中的关键词，且图像不包含涉及色情或暴力的内容，可以分别利用上述第一算法和第二算法对待审核信息包括的图像进行审核，同时，可以利用基于机器学习的第三算法对待审核信息包括的文本进行审核，从而总共可以得到三个子审核结果。其中，第三算法可以用于检测文本与预设的关键词集之间的相似度，并根据得到的相似度确定子审核结果。

可选地，采用的基于机器学习的算法可以根据物品的目标属性的属性值确定。

其中，物品的目标属性可以由技术人员根据实际的应用场景设置。例如，物品的目标属性可以包括物品的展示用信息的多媒体类型和/或物品的类目等。

例如，可以预先设置属性值与基于机器学习的算法之间的对应关系。此时，在获取物品的展示用信息作为待审核信息之后，可以根据物品的目标属性的属性值，查找与物品的属性值对应的基于机器学习的算法，然后利用查找到的基于机器学习的算法对待审核信息进行审核。

应当可以理解，属性值与基于机器学习的算法之间的对应关系可以是一对一、一对多、多对一、多对多中的一种或多种。

步骤303，根据得到的至少两个子审核结果，确定待审核信息的审核结果。

在本步骤中，在得到多个子审核结果之后，可以综合考虑得到的多个子审核结果，以准确地确定待审核信息的审核结果。具体的确定方法可以根据实际的应用场景灵活设置。

可选地，响应于确定至少两个子审核结果中的、用于表征待审核信息通过审核的子审核结果的数目不小于第一阈值，可以确定待审核信息通过审核。

其中，第一阈值可以由技术人员预先设置。例如，第一阈值可以等于得到的子审核结果的数目。此时，只有得到的所有子审核结果均用于表征待审核信息通过审核，才可以确定待审核信息的审核结果用于表征待审核信息通过审核。

又例如，第一阈值可以为得到的子审核结果的数目的百分之八十。此时，只有得到的百分之八十以上的子审核结果用于表征待审核信息通过审核，才可以确定待审核信息的审核结果用于表征待审核信息通过审核。

可选地，响应于确定至少两个子审核结果中的、用于表征待审核信息未通过审核的子审核结果的数目不小于第二阈值，确定待审核信息未通过审核。

其中，第二阈值可以由技术人员预先设置。例如，第二阈值可以为1。此时，只要存在一个以上的审核结果用于表征待审核信息未通过审核，就可以确定待审核信息的审核结果用于表征待审核信息未通过审核。

又例如，第二阈值可以为得到的子审核结果的数目的百分之十。此时，只要得到的百分之十以上的子审核结果用于表征待审核信息未通过审核，就可以确定待审核信息的审核结果用于表征待审核信息未通过审核。

可选地，响应于确定至少两个子审核结果中的用于表征当前无法确定待审核信息是否通过审核的子审核结果的数目不小于第三阈值，可以确定当前无法确定待审核信息是否通过审核。

其中，第三阈值可以由技术人员预先设置。例如，第三阈值可以为得到的子审核结果的数目的百分之七十。此时，只要得到的百分之七十以上的子审核结果用于表征当前无法确定待审核信息是否通过审核，则可以确定待审核信息的审核结果用于表征当前无法确定待审核信息是否通过审核。

可选地，响应于确定至少两个子审核结果中的用于表征当前无法确定待审核信息是否通过审核的子审核结果的数目不小于第三阈值，且响应于确定至少两个子审核结果中的、用于表征待审核信息未通过审核的子审核结果的数目不大于第二阈值，可以确定当前无法确定待审核信息是否通过审核。

例如，第三阈值可以为得到的子审核结果的数目的百分之七十。第二阈值可以为0。此时，在得到的子审核结果中不包括用于表征待审核信息未通过审核的子审核结果，且超过百分之七十以上的子审核结果用于表征当前无法确定待审核信息是否通过审核，则可以确定待审核信息的审核结果用于表征当前无法确定待审核信息是否通过审核。

步骤304，响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果。

可选地，在通过人工审核对待审核信息进行进一步审核时，可以根据得到的至少两个子审核结果确定人工审核的具体审核内容。

举例来说，在待审核信息包括两种类型的信息时，可以只对待审核信息包括的、对应的子审核结果用于表征当前无法确定该信息是否通过审核的信息进行审核。

例如，待审核信息包括文本和图像，并且分别利用了两个基于机器学习的算法分别审核文本和图像。若文本对应的子审核结果用于表征文本通过审核，而图像对应的子审核结果用于表征图像未通过审核。此时，在通过人工审核对待审核信息进行进一步审核时，可以只对图像进行审核，以进一步提升审核效率。

再举例来说，在利用两种以上的基于机器学习的算法对同一待审核信息进行审核时，可以只根据得到的子审核结果用于表征当前无法确定该信息是否通过审核的基于机器学习的算法的作用，利用人工审核完成对待审核信息的审核。

例如，待审核信息包括图像，并且分别利用了两个基于机器学习的算法分别审核图像是否涉及暴力的内容和图像是否涉及色情的内容。若得到的子审核结果分别用于表征当前无法确定图像是否涉及暴力的内容和图像不涉及色情的内容。此时，在通过人工审核对图像进行进一步审核时，可以审核图像是否涉及暴力的内容，而不必要再通过人工审核对图像是否涉及色情的内容进行审核，从而提升审核效率，避免不必要的审核工作。

步骤305，根据待审核信息的审核结果，对物品的展示用信息进行处理。

上述步骤304和步骤305的具体的执行过程可参考图2对应实施例中的步骤203和204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，确定待审核信息通过审核的置信度；响应于确定待审核信息通过审核的置信度低于预设的置信度阈值，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果。

其中，可以根据实际的应用场景灵活采用各种方法确定待审核信息通过审核的置信度。置信度阈值可以由技术人员预先设置。

例如，可以根据物品的目标属性的属性值，确定待审核信息通过审核的置信度。此时，可以预先设置属性值与置信度之间的对应关系。因此，可以根据物品的目标属性的属性值查找对应的置信度作为待审核信息通过审核的置信度。

作为示例，物品的目标属性可以为物品的类目。此时，可以根据物品的类目，查找该类目对应的置信度。若查找到的置信度低于预设的置信度阈值，可以进一步基于人工审核以确定待审核信息是否通过审核。

又例如，可以根据物品的展示用信息分别与目标物品集中的各个物品的展示用信息的相似度，确定待审核信息通过审核的置信度。其中，目标物品集可以由对应的展示用信息通过审核的物品组成。

其中，物品与目标物品集中的各个物品的相似度可以利用现有的各种相似度计算方法确定。

作为示例，可以确定物品的展示用信息分别与目标物品集中的各个物品的展示用信息的相似度的平均值或最大值或最小值作为对应的置信度。

通过这种方式，有助于进一步减少需要人工审核的物品的展示用信息的数目，从而进一步控制审核成本，提高审核效率。

在本实施例的一些可选的实现方式中，在使用得到的人工审核结果更新待审核信息的审核结果之后，可以进一步存储待审核信息的审核结果，以及利用存储的待审核信息的审核结果，更新基于机器学习的算法。

举例来说，若基于机器学习的算法为深度学习模型，则可以将存储的待审核信息的审核结果和待审核信息作为新的训练样本，对深度学习模型进行训练，以更新深度学习模型的参数，从而进一步提升深度学习模型的准确度。

换言之，可以减少利用深度学习模型得到的用于表征当前无法确定待审核信息是否通过审核的审核结果的数目，从而减少了需要进一步进行人工审核的待审核信息的数目，进而进一步降低审核成本，提高审核效率。

继续参见图4，图4是根据本实施例的用于审核信息的方法的一个示意性的应用场景400。在图4的应用场景中，商家期望上架的一款连衣裙的展示用信息包括文本4011和图像4012。其中，文本4011为“中长款气质女裙”。图像4012为连衣裙的一个正面照片。此时，可以接收商家通过使用的终端设备发送的文本4011和图像4012作为待审核信息401。

然后，可以从预设的多媒体类型和机器学习算法的对应关系中查找文本对应的机器学习算法为算法“A”，图像对应的机器学习算法为算法“B”和算法“C”。

之后，可以利用算法“A”对文本4011进行审核。其中，算法“A”用于对文本的绝对化用语进行检测。审核通过的条件包括文本不包括预设的关键词集中的关键词。其中，关键词集包括常用的一些绝对化用语。如图中标号402所示，关键词集包括关键词“最佳”、“国家级”、“最高级”、“第一”等。由于文本4011中不包括关键词集402中的各个关键词，利用算法“A”对文本4011进行审核，得到的子审核结果为“通过审核”，即文本4011不包含绝对化用语。

类似地，可以利用算法“B”对图像4012进行审核。其中，算法“B”用于检测图像涉及的色情内容，审核通过的条件包括图像不涉及色情的内容。利用算法“B”对图像4012进行审核，得到的子审核结果为“无法确定”，即当前无法确定图像4012是否涉及色情的内容。

类似地，可以利用算法“C”对图像4012进行审核。其中，算法“C”用于检测图像涉及的暴力内容，审核通过的条件包括图像不涉及暴力的内容。利用算法“C”对图像4012进行审核，得到的子审核结果为“通过审核”，即图像4012不涉及暴力的内容。

由于不存在用于表征未通过审核的子审核结果，且存在用于表征当前无法确定是否通过审核的子审核结果，可以确定当前利用算法“A”、算法“B”和算法“C”无法确定待审核信息401是否通过审核。此时，可以将待审核信息401执行人工审核步骤。

由于利用算法“A”已经确定文本4011通过审核，且确定图像4012不涉及暴力的内容。因此，可以只对待审核信息401中的图像4012进行人工审核，以确定图像4012是否涉及色情的内容。

若经过人工审核确定图像4012涉及色情的内容，则可以确定待审核信息401的审核结果为未通过审核。此时，可以向商家发送的信息，以提示商家待审核信息401未通过审核。当然，也可以向商家发送详细的未通过审核的原因(如由于图像涉及色情内容，因此未通过审核等)，并通知商家由于待审核信息401未通过审核，因此，无法上架该款连衣裙以向用户展示。

本实施例中的用于审核信息的方法通过至少两个基于机器学习的方法对待审核信息进行审核，并根据得到的至少两个子审核结果确定待审核信息的审核结果，然后再根据待审核信息的审核结果确定是否需要进一步对待审核信息进行人工审核。由此，不仅可以利用多个基于机器学习的算法对待审核信息进行多方面的审核，而且可以综合考虑通过多个基于机器学习的算法得到的多个子审核结果确定待审核信息的审核结果，有助于提升审核结果的精确度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于审核信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于审核信息的装置500包括获取单元501、审核单元502和处理单元503。其中，获取单元501被配置成获取物品的展示用信息作为待审核信息；审核单元502被配置成利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；上述审核单元502进一步被配置成响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；处理单元503被配置成根据待审核信息的审核结果，对物品的展示用信息进行处理。

在本实施例中，用于审核信息的装置500中：获取单元501、审核单元502和处理单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述审核单元502进一步被配置成利用至少两个基于机器学习的算法，分别对待审核信息进行审核，得到至少两个子审核结果，其中，子审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；根据得到的至少两个子审核结果，确定待审核信息的审核结果。

在本实施例的一些可选的实现方式中，上述审核单元502进一步被配置成响应于确定至少两个子审核结果中的、用于表征待审核信息通过审核的子审核结果的数目不小于第一阈值，确定待审核信息通过审核。

在本实施例的一些可选的实现方式中，上述审核单元502进一步被配置成响应于确定至少两个子审核结果中的、用于表征待审核信息未通过审核的子审核结果的数目不小于第二阈值，确定待审核信息未通过审核。

在本实施例的一些可选的实现方式中，上述审核单元502进一步被配置成响应于确定至少两个子审核结果中的用于表征当前无法确定待审核信息是否通过审核的子审核结果的数目不小于第三阈值，确定当前无法确定待审核信息是否通过审核。

在本实施例的一些可选的实现方式中，上述审核单元502进一步被配置成响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，确定待审核信息通过审核的置信度；响应于确定待审核信息通过审核的置信度低于预设的置信度阈值，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果。

在本实施例的一些可选的实现方式中，基于机器学习的算法根据物品的目标属性的属性值确定。

在本实施例的一些可选的实现方式中，上述用于审核信息的装置500还包括：存储单元(图中未示出)被配置成存储待审核信息的审核结果；更新单元(图中未示出)被配置成利用存储的待审核信息的审核结果，更新基于机器学习的算法。

本公开的上述实施例提供的装置，通过获取单元获取物品的展示用信息作为待审核信息；审核单元利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；处理单元根据待审核信息的审核结果，对物品的展示用信息进行处理，从而可以避免向用户展示未通过审核的物品的展示用信息(如涉及暴力的图像或视频等)，也可以根据审核结果及时地清理未通过审核的物品的展示用信息，从而节省存储资源。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取物品的展示用信息作为待审核信息；利用基于机器学习的算法，对待审核信息进行审核，得到待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；响应于确定得到的审核结果用于表征当前无法确定待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新待审核信息的审核结果；根据待审核信息的审核结果，对物品的展示用信息进行处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、审核单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取物品的展示用信息作为待审核信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种用于审核信息的方法，包括：

获取物品的展示用信息作为待审核信息；

利用基于机器学习的算法，对所述待审核信息进行审核，得到所述待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；

响应于确定得到的审核结果用于表征当前无法确定所述待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新所述待审核信息的审核结果；

根据待审核信息的审核结果，对所述物品的展示用信息进行处理。

2.根据权利要求1所述的方法，其中，所述利用基于机器学习的算法，对所述待审核信息进行审核，得到所述待审核信息的审核结果，包括：

利用至少两个基于机器学习的算法，分别对所述待审核信息进行审核，得到至少两个子审核结果，其中，子审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；

根据得到的至少两个子审核结果，确定所述待审核信息的审核结果。

3.根据权利要求2所述的方法，其中，所述根据得到的至少两个子审核结果，确定所述待审核信息的审核结果，包括：

响应于确定所述至少两个子审核结果中的、用于表征所述待审核信息通过审核的子审核结果的数目不小于第一阈值，确定所述待审核信息通过审核。

4.根据权利要求2所述的方法，其中，所述根据得到的至少两个子审核结果，确定所述待审核信息的审核结果，包括：

响应于确定所述至少两个子审核结果中的、用于表征所述待审核信息未通过审核的子审核结果的数目不小于第二阈值，确定所述待审核信息未通过审核。

5.根据权利要求2所述的方法，其中，所述根据得到的至少两个子审核结果，确定所述待审核信息的审核结果，包括：

响应于确定所述至少两个子审核结果中的用于表征当前无法确定所述待审核信息是否通过审核的子审核结果的数目不小于第三阈值，确定当前无法确定所述待审核信息是否通过审核。

6.根据权利要求1所述的方法，其中，所述响应于确定得到的审核结果用于表征当前无法确定所述待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，包括：

响应于确定得到的审核结果用于表征当前无法确定所述待审核信息是否通过审核，确定所述待审核信息通过审核的置信度；

响应于确定所述待审核信息通过审核的置信度低于预设的置信度阈值，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果。

7.根据权利要求1所述的方法，其中，所述基于机器学习的算法根据所述物品的目标属性的属性值确定。

8.根据权利要求1-7之一所述的方法，其中，在所述使用得到的人工审核结果更新所述待审核信息的审核结果之后，所述方法还包括：

存储所述待审核信息的审核结果；

利用存储的待审核信息的审核结果，更新所述基于机器学习的算法。

9.一种用于审核信息的装置，其中，所述装置包括：

获取单元，被配置成获取物品的展示用信息作为待审核信息；

审核单元，被配置成利用基于机器学习的算法，对所述待审核信息进行审核，得到所述待审核信息的审核结果，其中，审核结果用于表征待审核信息是否通过审核或用于表征当前无法确定待审核信息是否通过审核；

上述审核单元，进一步被配置成响应于确定得到的审核结果用于表征当前无法确定所述待审核信息是否通过审核，执行通过人工审核确定待审核信息是否通过审核的审核操作，得到人工审核结果，以及使用得到的人工审核结果更新所述待审核信息的审核结果；

处理单元，被配置成根据待审核信息的审核结果，对所述物品的展示用信息进行处理。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。

Images