ನಿಮ್ಮ ಕೆಲಸವು ಸುಂದರವಾದದ್ದನ್ನು ರಚಿಸುವಾಗ, ನೀವು ಅದರ ಬಗ್ಗೆ ಹೆಚ್ಚು ಮಾತನಾಡಬೇಕಾಗಿಲ್ಲ, ಏಕೆಂದರೆ ಫಲಿತಾಂಶವು ಎಲ್ಲರ ಕಣ್ಣುಗಳ ಮುಂದೆ ಇರುತ್ತದೆ. ಆದರೆ ನೀವು ಬೇಲಿಗಳಿಂದ ಶಾಸನಗಳನ್ನು ಅಳಿಸಿದರೆ, ಬೇಲಿಗಳು ಯೋಗ್ಯವಾಗಿ ಕಾಣುವವರೆಗೆ ಅಥವಾ ನೀವು ಏನನ್ನಾದರೂ ತಪ್ಪಾಗಿ ಅಳಿಸುವವರೆಗೆ ಯಾರೂ ನಿಮ್ಮ ಕೆಲಸವನ್ನು ಗಮನಿಸುವುದಿಲ್ಲ.
ನೀವು ಕಾಮೆಂಟ್, ವಿಮರ್ಶೆ, ಸಂದೇಶ ಕಳುಹಿಸಲು ಅಥವಾ ಚಿತ್ರಗಳನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡುವ ಯಾವುದೇ ಸೇವೆಯು ಬೇಗ ಅಥವಾ ನಂತರ ಸ್ಪ್ಯಾಮ್, ವಂಚನೆ ಮತ್ತು ಅಶ್ಲೀಲತೆಯ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸುತ್ತದೆ. ಇದನ್ನು ತಪ್ಪಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ನಿಭಾಯಿಸಬೇಕು.
ನನ್ನ ಹೆಸರು ಮಿಖಾಯಿಲ್, ನಾನು ಆಂಟಿಸ್ಪ್ಯಾಮ್ ತಂಡದಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇನೆ, ಇದು ಯಾಂಡೆಕ್ಸ್ ಸೇವೆಗಳ ಬಳಕೆದಾರರನ್ನು ಅಂತಹ ಸಮಸ್ಯೆಗಳಿಂದ ರಕ್ಷಿಸುತ್ತದೆ. ನಮ್ಮ ಕೆಲಸವನ್ನು ಅಪರೂಪವಾಗಿ ಗಮನಿಸಲಾಗಿದೆ (ಮತ್ತು ಅದು ಒಳ್ಳೆಯದು!), ಆದ್ದರಿಂದ ಇಂದು ನಾನು ಅದರ ಬಗ್ಗೆ ಹೆಚ್ಚು ಹೇಳುತ್ತೇನೆ. ಮಿತಗೊಳಿಸುವಿಕೆ ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿದೆ ಮತ್ತು ನಿಖರತೆಯು ಅದರ ಪರಿಣಾಮಕಾರಿತ್ವದ ಏಕೈಕ ಸೂಚಕವಲ್ಲ ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ. ಬೆಕ್ಕುಗಳು ಮತ್ತು ನಾಯಿಗಳ ಉದಾಹರಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರಮಾಣ ಮಾಡುವ ಬಗ್ಗೆ ನಾವು ಮಾತನಾಡುತ್ತೇವೆ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ "ಪ್ರಮಾಣಕಾರರಂತೆ ಯೋಚಿಸುವುದು" ಏಕೆ ಉಪಯುಕ್ತವಾಗಿದೆ.
ಬಳಕೆದಾರರು ತಮ್ಮ ವಿಷಯವನ್ನು ಪ್ರಕಟಿಸುವ Yandex ನಲ್ಲಿ ಹೆಚ್ಚು ಹೆಚ್ಚು ಸೇವೆಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತಿವೆ. Yandex.Q ನಲ್ಲಿ ನೀವು ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಬಹುದು ಅಥವಾ ಉತ್ತರವನ್ನು ಬರೆಯಬಹುದು, Yandex.District ನಲ್ಲಿ ಯಾರ್ಡ್ ಸುದ್ದಿಗಳನ್ನು ಚರ್ಚಿಸಬಹುದು, Yandex.Maps ನಲ್ಲಿ ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ಟ್ರಾಫಿಕ್ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಬಹುದು. ಆದರೆ ಸೇವೆಯ ಪ್ರೇಕ್ಷಕರು ಬೆಳೆದಾಗ, ಅದು ಸ್ಕ್ಯಾಮರ್‌ಗಳು ಮತ್ತು ಸ್ಪ್ಯಾಮರ್‌ಗಳಿಗೆ ಆಕರ್ಷಕವಾಗುತ್ತದೆ. ಅವರು ಬಂದು ಕಾಮೆಂಟ್‌ಗಳನ್ನು ಭರ್ತಿ ಮಾಡುತ್ತಾರೆ: ಅವರು ಸುಲಭವಾಗಿ ಹಣವನ್ನು ನೀಡುತ್ತಾರೆ, ಪವಾಡ ಪರಿಹಾರಗಳನ್ನು ಜಾಹೀರಾತು ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಸಾಮಾಜಿಕ ಪ್ರಯೋಜನಗಳನ್ನು ಭರವಸೆ ನೀಡುತ್ತಾರೆ. ಸ್ಪ್ಯಾಮರ್‌ಗಳ ಕಾರಣದಿಂದಾಗಿ, ಕೆಲವು ಬಳಕೆದಾರರು ಹಣವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತಾರೆ, ಆದರೆ ಇತರರು ಸ್ಪ್ಯಾಮ್‌ನಿಂದ ಬೆಳೆದ ಅವ್ಯವಸ್ಥೆಯ ಸೇವೆಯಲ್ಲಿ ಸಮಯವನ್ನು ಕಳೆಯುವ ಬಯಕೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತಾರೆ.
ಮತ್ತು ಇದು ಕೇವಲ ಸಮಸ್ಯೆ ಅಲ್ಲ. ಸ್ಕ್ಯಾಮರ್‌ಗಳಿಂದ ಬಳಕೆದಾರರನ್ನು ರಕ್ಷಿಸಲು ಮಾತ್ರವಲ್ಲದೆ ಸಂವಹನಕ್ಕಾಗಿ ಆರಾಮದಾಯಕ ವಾತಾವರಣವನ್ನು ಸೃಷ್ಟಿಸಲು ನಾವು ಪ್ರಯತ್ನಿಸುತ್ತೇವೆ. ಜನರು ಕಾಮೆಂಟ್‌ಗಳಲ್ಲಿ ಪ್ರತಿಜ್ಞೆ ಮತ್ತು ಅವಮಾನಗಳನ್ನು ಎದುರಿಸಿದರೆ, ಅವರು ಹೊರಡುವ ಸಾಧ್ಯತೆಯಿದೆ ಮತ್ತು ಎಂದಿಗೂ ಹಿಂತಿರುಗುವುದಿಲ್ಲ. ಇದರರ್ಥ ನೀವು ಸಹ ಇದನ್ನು ನಿಭಾಯಿಸಲು ಸಮರ್ಥರಾಗಿರಬೇಕು.
ಕ್ಲೀನ್ ವೆಬ್
ನಮ್ಮಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಕಂಡುಬರುವಂತೆ, ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಸ್ಪ್ಯಾಮ್ ವಿರುದ್ಧ ಹೋರಾಡುವ ಭಾಗದಲ್ಲಿ ಹುಡುಕಾಟದಲ್ಲಿ ಮೊದಲ ಬೆಳವಣಿಗೆಗಳು ಹುಟ್ಟಿವೆ. ಸುಮಾರು ಹತ್ತು ವರ್ಷಗಳ ಹಿಂದೆ, ಕುಟುಂಬದ ಹುಡುಕಾಟಗಳಿಗಾಗಿ ಮತ್ತು 18+ ವರ್ಗದಿಂದ ಉತ್ತರಗಳ ಅಗತ್ಯವಿಲ್ಲದ ಪ್ರಶ್ನೆಗಳಿಗಾಗಿ ವಯಸ್ಕ ವಿಷಯವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡುವ ಕಾರ್ಯವು ಅಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡಿತು. ಅಶ್ಲೀಲ ಮತ್ತು ಶಪಥಗಳ ಮೊದಲ ಹಸ್ತಚಾಲಿತವಾಗಿ ಟೈಪ್ ಮಾಡಿದ ನಿಘಂಟುಗಳು ಕಾಣಿಸಿಕೊಂಡವು, ಅವುಗಳನ್ನು ವಿಶ್ಲೇಷಕರು ಮರುಪೂರಣಗೊಳಿಸಿದರು. ವಯಸ್ಕ ವಿಷಯವನ್ನು ತೋರಿಸಲು ಸ್ವೀಕಾರಾರ್ಹವಾಗಿರುವ ಮತ್ತು ಅದು ಇಲ್ಲದಿರುವಲ್ಲಿ ವಿನಂತಿಗಳನ್ನು ವರ್ಗೀಕರಿಸುವುದು ಮುಖ್ಯ ಕಾರ್ಯವಾಗಿತ್ತು. ಈ ಕಾರ್ಯಕ್ಕಾಗಿ, ಮಾರ್ಕ್ಅಪ್ ಅನ್ನು ಸಂಗ್ರಹಿಸಲಾಯಿತು, ಹ್ಯೂರಿಸ್ಟಿಕ್ಸ್ ಅನ್ನು ನಿರ್ಮಿಸಲಾಯಿತು ಮತ್ತು ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲಾಯಿತು. ಅನಗತ್ಯ ವಿಷಯವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡುವ ಮೊದಲ ಬೆಳವಣಿಗೆಗಳು ಈ ರೀತಿ ಕಾಣಿಸಿಕೊಂಡವು.
ಕಾಲಾನಂತರದಲ್ಲಿ, ಯುಜಿಸಿ (ಬಳಕೆದಾರರು ರಚಿಸಿದ ವಿಷಯ) ಯಾಂಡೆಕ್ಸ್‌ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸಿದರು - ಬಳಕೆದಾರರು ಸ್ವತಃ ಬರೆದ ಸಂದೇಶಗಳು ಮತ್ತು ಯಾಂಡೆಕ್ಸ್ ಮಾತ್ರ ಪ್ರಕಟಿಸುತ್ತದೆ. ಮೇಲೆ ವಿವರಿಸಿದ ಕಾರಣಗಳಿಗಾಗಿ, ಅನೇಕ ಸಂದೇಶಗಳನ್ನು ನೋಡದೆ ಪ್ರಕಟಿಸಲಾಗಲಿಲ್ಲ - ಮಾಡರೇಶನ್ ಅಗತ್ಯವಿದೆ. ನಂತರ ಅವರು ಎಲ್ಲಾ Yandex UGC ಉತ್ಪನ್ನಗಳಿಗೆ ಸ್ಪ್ಯಾಮ್ ಮತ್ತು ಆಕ್ರಮಣಕಾರರ ವಿರುದ್ಧ ರಕ್ಷಣೆ ಒದಗಿಸುವ ಸೇವೆಯನ್ನು ರಚಿಸಲು ನಿರ್ಧರಿಸಿದರು ಮತ್ತು ಹುಡುಕಾಟದಲ್ಲಿ ಅನಗತ್ಯ ವಿಷಯವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಲು ಬೆಳವಣಿಗೆಗಳನ್ನು ಬಳಸುತ್ತಾರೆ. ಸೇವೆಯನ್ನು "ಕ್ಲೀನ್ ವೆಬ್" ಎಂದು ಕರೆಯಲಾಯಿತು.
ಹೊಸ ಕಾರ್ಯಗಳು ಮತ್ತು ತಳ್ಳುವವರಿಂದ ಸಹಾಯ
ಮೊದಲಿಗೆ, ಸರಳವಾದ ಯಾಂತ್ರೀಕೃತಗೊಂಡವು ಮಾತ್ರ ನಮಗೆ ಕೆಲಸ ಮಾಡಿತು: ಸೇವೆಗಳು ನಮಗೆ ಪಠ್ಯಗಳನ್ನು ಕಳುಹಿಸಿದವು, ಮತ್ತು ನಾವು ಅಶ್ಲೀಲ ನಿಘಂಟುಗಳು, ಅಶ್ಲೀಲ ನಿಘಂಟುಗಳು ಮತ್ತು ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ನಡೆಸಿದ್ದೇವೆ - ವಿಶ್ಲೇಷಕರು ಎಲ್ಲವನ್ನೂ ಕೈಯಾರೆ ಸಂಗ್ರಹಿಸಿದರು. ಆದರೆ ಕಾಲಾನಂತರದಲ್ಲಿ, ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಯಾಂಡೆಕ್ಸ್ ಉತ್ಪನ್ನಗಳಲ್ಲಿ ಸೇವೆಯನ್ನು ಬಳಸಲಾಯಿತು, ಮತ್ತು ನಾವು ಹೊಸ ಸಮಸ್ಯೆಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಕಲಿಯಬೇಕಾಗಿತ್ತು.
ಆಗಾಗ್ಗೆ, ವಿಮರ್ಶೆಯ ಬದಲು, ಬಳಕೆದಾರರು ಅರ್ಥಹೀನ ಅಕ್ಷರಗಳನ್ನು ಪ್ರಕಟಿಸುತ್ತಾರೆ, ತಮ್ಮ ಸಾಧನೆಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ, ಕೆಲವೊಮ್ಮೆ ಅವರು ತಮ್ಮ ಕಂಪನಿಯನ್ನು ಪ್ರತಿಸ್ಪರ್ಧಿ ಕಂಪನಿಯ ವಿಮರ್ಶೆಗಳಲ್ಲಿ ಜಾಹೀರಾತು ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಅವರು ಸಂಸ್ಥೆಗಳನ್ನು ಗೊಂದಲಗೊಳಿಸುತ್ತಾರೆ ಮತ್ತು ಪಿಇಟಿ ಅಂಗಡಿಯ ಬಗ್ಗೆ ವಿಮರ್ಶೆಯಲ್ಲಿ ಬರೆಯುತ್ತಾರೆ: “ ಸಂಪೂರ್ಣವಾಗಿ ಬೇಯಿಸಿದ ಮೀನು! ” ಬಹುಶಃ ಒಂದು ದಿನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವುದೇ ಪಠ್ಯದ ಅರ್ಥವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಗ್ರಹಿಸಲು ಕಲಿಯುತ್ತದೆ, ಆದರೆ ಈಗ ಯಾಂತ್ರೀಕೃತಗೊಂಡವು ಕೆಲವೊಮ್ಮೆ ಮನುಷ್ಯರಿಗಿಂತ ಕೆಟ್ಟದಾಗಿ ನಿಭಾಯಿಸುತ್ತದೆ.
ಹಸ್ತಚಾಲಿತ ಗುರುತು ಮಾಡದೆಯೇ ನಾವು ಇದನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ಸ್ಪಷ್ಟವಾಯಿತು, ಮತ್ತು ನಾವು ನಮ್ಮ ಸರ್ಕ್ಯೂಟ್ಗೆ ಎರಡನೇ ಹಂತವನ್ನು ಸೇರಿಸಿದ್ದೇವೆ - ಒಬ್ಬ ವ್ಯಕ್ತಿಯಿಂದ ಹಸ್ತಚಾಲಿತ ತಪಾಸಣೆಗೆ ಕಳುಹಿಸುತ್ತೇವೆ. ವರ್ಗೀಕರಣಕಾರರು ಯಾವುದೇ ಸಮಸ್ಯೆಗಳನ್ನು ನೋಡದ ಆ ಪ್ರಕಟಿತ ಪಠ್ಯಗಳನ್ನು ಅಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ. ಅಂತಹ ಕಾರ್ಯದ ಪ್ರಮಾಣವನ್ನು ನೀವು ಸುಲಭವಾಗಿ ಊಹಿಸಬಹುದು, ಆದ್ದರಿಂದ ನಾವು ಮೌಲ್ಯಮಾಪಕರ ಮೇಲೆ ಮಾತ್ರ ಅವಲಂಬಿತರಾಗಿದ್ದೇವೆ, ಆದರೆ "ಜನಸಮೂಹದ ಬುದ್ಧಿವಂತಿಕೆಯ" ಲಾಭವನ್ನು ಪಡೆದುಕೊಂಡಿದ್ದೇವೆ, ಅಂದರೆ, ನಾವು ಸಹಾಯಕ್ಕಾಗಿ ಟೋಲೋಕರ್ಗಳ ಕಡೆಗೆ ತಿರುಗಿದ್ದೇವೆ. ಯಂತ್ರವು ತಪ್ಪಿಸಿಕೊಂಡದ್ದನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಆ ಮೂಲಕ ಅದನ್ನು ಕಲಿಸಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುವವರು ಅವರು.
ಸ್ಮಾರ್ಟ್ ಕ್ಯಾಶಿಂಗ್ ಮತ್ತು LSH ಹ್ಯಾಶಿಂಗ್
ಕಾಮೆಂಟ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ನಾವು ಎದುರಿಸಿದ ಮತ್ತೊಂದು ಸಮಸ್ಯೆ ಸ್ಪ್ಯಾಮ್, ಅಥವಾ ಹೆಚ್ಚು ನಿಖರವಾಗಿ, ಅದರ ಪರಿಮಾಣ ಮತ್ತು ಹರಡುವಿಕೆಯ ವೇಗ. Yandex.Region ಪ್ರೇಕ್ಷಕರು ವೇಗವಾಗಿ ಬೆಳೆಯಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, ಸ್ಪ್ಯಾಮರ್ಗಳು ಅಲ್ಲಿಗೆ ಬಂದರು. ಪಠ್ಯವನ್ನು ಸ್ವಲ್ಪ ಬದಲಾಯಿಸುವ ಮೂಲಕ ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡಲು ಅವರು ಕಲಿತರು. ಸ್ಪ್ಯಾಮ್, ಸಹಜವಾಗಿ, ಇನ್ನೂ ಕಂಡುಬಂದಿದೆ ಮತ್ತು ಅಳಿಸಲಾಗಿದೆ, ಆದರೆ ಯಾಂಡೆಕ್ಸ್ ಪ್ರಮಾಣದಲ್ಲಿ, 5 ನಿಮಿಷಗಳವರೆಗೆ ಪೋಸ್ಟ್ ಮಾಡಲಾದ ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲದ ಸಂದೇಶವನ್ನು ನೂರಾರು ಜನರು ನೋಡಬಹುದು.
ಸಹಜವಾಗಿ, ಇದು ನಮಗೆ ಸರಿಹೊಂದುವುದಿಲ್ಲ, ಮತ್ತು ನಾವು LSH ಅನ್ನು ಆಧರಿಸಿ ಸ್ಮಾರ್ಟ್ ಪಠ್ಯ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವಿಕೆಯನ್ನು ಮಾಡಿದ್ದೇವೆ () ಇದು ಈ ರೀತಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ: ನಾವು ಪಠ್ಯವನ್ನು ಸಾಮಾನ್ಯಗೊಳಿಸಿದ್ದೇವೆ, ಅದರಿಂದ ಲಿಂಕ್‌ಗಳನ್ನು ತೆಗೆದುಹಾಕಿದ್ದೇವೆ ಮತ್ತು ಅದನ್ನು n-ಗ್ರಾಂಗಳಾಗಿ ಕತ್ತರಿಸಿದ್ದೇವೆ (n ಅಕ್ಷರಗಳ ಅನುಕ್ರಮಗಳು). ಮುಂದೆ, n-ಗ್ರಾಂಗಳ ಹ್ಯಾಶ್ಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಯಿತು, ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ನ LSH ವೆಕ್ಟರ್ ಅನ್ನು ಅವರಿಂದ ನಿರ್ಮಿಸಲಾಗಿದೆ. ಒಂದೇ ರೀತಿಯ ಪಠ್ಯಗಳು, ಅವು ಸ್ವಲ್ಪ ಬದಲಾಗಿದ್ದರೂ ಸಹ, ಒಂದೇ ರೀತಿಯ ವಾಹಕಗಳಾಗಿ ಬದಲಾಗುತ್ತವೆ.
ಈ ಪರಿಹಾರವು ಒಂದೇ ರೀತಿಯ ಪಠ್ಯಗಳಿಗೆ ವರ್ಗೀಕರಣಕಾರರು ಮತ್ತು ಟೋಲೋಕರ್ಗಳ ತೀರ್ಪುಗಳನ್ನು ಮರುಬಳಕೆ ಮಾಡಲು ಸಾಧ್ಯವಾಗಿಸಿತು. ಸ್ಪ್ಯಾಮ್ ದಾಳಿಯ ಸಮಯದಲ್ಲಿ, ಮೊದಲ ಸಂದೇಶವು ಸ್ಕ್ಯಾನ್ ಅನ್ನು ಅಂಗೀಕರಿಸಿದ ತಕ್ಷಣ ಮತ್ತು "ಸ್ಪ್ಯಾಮ್" ತೀರ್ಪಿನೊಂದಿಗೆ ಸಂಗ್ರಹವನ್ನು ಪ್ರವೇಶಿಸಿದಾಗ, ಎಲ್ಲಾ ಹೊಸ ರೀತಿಯ ಸಂದೇಶಗಳು, ಮಾರ್ಪಡಿಸಿದವುಗಳು ಸಹ ಅದೇ ತೀರ್ಪನ್ನು ಸ್ವೀಕರಿಸಿದವು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅಳಿಸಲ್ಪಡುತ್ತವೆ. ನಂತರ, ಸ್ಪ್ಯಾಮ್ ಕ್ಲಾಸಿಫೈಯರ್‌ಗಳಿಗೆ ತರಬೇತಿ ನೀಡುವುದು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮರುತರಬೇತಿ ನೀಡುವುದು ಹೇಗೆ ಎಂದು ನಾವು ಕಲಿತಿದ್ದೇವೆ, ಆದರೆ ಈ "ಸ್ಮಾರ್ಟ್ ಕ್ಯಾಶ್" ನಮ್ಮೊಂದಿಗೆ ಉಳಿದುಕೊಂಡಿದೆ ಮತ್ತು ಇನ್ನೂ ಆಗಾಗ್ಗೆ ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಉತ್ತಮ ಪಠ್ಯ ವರ್ಗೀಕರಣ
ಸ್ಪ್ಯಾಮ್ ವಿರುದ್ಧದ ಹೋರಾಟದಿಂದ ವಿರಾಮ ತೆಗೆದುಕೊಳ್ಳಲು ಸಮಯವಿಲ್ಲದೆ, ನಮ್ಮ ವಿಷಯವನ್ನು 95% ಹಸ್ತಚಾಲಿತವಾಗಿ ಮಾಡರೇಟ್ ಮಾಡಲಾಗಿದೆ ಎಂದು ನಾವು ಅರಿತುಕೊಂಡಿದ್ದೇವೆ: ವರ್ಗೀಕರಣಕಾರರು ಉಲ್ಲಂಘನೆಗಳಿಗೆ ಮಾತ್ರ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಾರೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಪಠ್ಯಗಳು ಉತ್ತಮವಾಗಿವೆ. 95 ರಲ್ಲಿ 100 ಪ್ರಕರಣಗಳಲ್ಲಿ "ಎಲ್ಲವೂ ಸರಿ" ಎಂದು ರೇಟಿಂಗ್ ನೀಡುವ ಕ್ಲೀನರ್‌ಗಳನ್ನು ನಾವು ಲೋಡ್ ಮಾಡುತ್ತೇವೆ. ನಾನು ಅಸಾಮಾನ್ಯ ಕೆಲಸವನ್ನು ಮಾಡಬೇಕಾಗಿತ್ತು - ಉತ್ತಮ ವಿಷಯದ ವರ್ಗೀಕರಣಗಳನ್ನು ತಯಾರಿಸುವುದು, ಅದೃಷ್ಟವಶಾತ್ ಈ ಸಮಯದಲ್ಲಿ ಸಾಕಷ್ಟು ಮಾರ್ಕ್ಅಪ್ ಸಂಗ್ರಹವಾಗಿದೆ.
ಮೊದಲ ವರ್ಗೀಕರಣವು ಈ ರೀತಿ ಕಾಣುತ್ತದೆ: ನಾವು ಪಠ್ಯವನ್ನು ಲೆಮ್ಮಟೈಜ್ ಮಾಡುತ್ತೇವೆ (ಪದಗಳನ್ನು ಅವುಗಳ ಆರಂಭಿಕ ರೂಪಕ್ಕೆ ಕಡಿಮೆ ಮಾಡಿ), ಮಾತಿನ ಎಲ್ಲಾ ಸಹಾಯಕ ಭಾಗಗಳನ್ನು ಹೊರಹಾಕಿ ಮತ್ತು ಪೂರ್ವ ಸಿದ್ಧಪಡಿಸಿದ "ಉತ್ತಮ ಲೆಮ್ಮಾಸ್ ನಿಘಂಟು" ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಪಠ್ಯದಲ್ಲಿನ ಎಲ್ಲಾ ಪದಗಳು "ಒಳ್ಳೆಯದು" ಆಗಿದ್ದರೆ, ಸಂಪೂರ್ಣ ಪಠ್ಯವು ಯಾವುದೇ ಉಲ್ಲಂಘನೆಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ವಿವಿಧ ಸೇವೆಗಳಲ್ಲಿ, ಈ ವಿಧಾನವು ತಕ್ಷಣವೇ ಹಸ್ತಚಾಲಿತ ಮಾರ್ಕ್ಅಪ್ನ 25 ರಿಂದ 35% ವರೆಗೆ ಯಾಂತ್ರೀಕೃತಗೊಂಡಿತು. ಸಹಜವಾಗಿ, ಈ ವಿಧಾನವು ಸೂಕ್ತವಲ್ಲ: ಹಲವಾರು ಮುಗ್ಧ ಪದಗಳನ್ನು ಸಂಯೋಜಿಸುವುದು ಮತ್ತು ಅತ್ಯಂತ ಆಕ್ರಮಣಕಾರಿ ಹೇಳಿಕೆಯನ್ನು ಪಡೆಯುವುದು ಸುಲಭ, ಆದರೆ ಇದು ಉತ್ತಮ ಮಟ್ಟದ ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಮಟ್ಟವನ್ನು ತ್ವರಿತವಾಗಿ ತಲುಪಲು ನಮಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು ಮತ್ತು ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಮಾದರಿಗಳನ್ನು ತರಬೇತಿ ಮಾಡಲು ನಮಗೆ ಸಮಯವನ್ನು ನೀಡಿತು.
ಉತ್ತಮ ಪಠ್ಯ ವರ್ಗೀಕರಣದ ಮುಂದಿನ ಆವೃತ್ತಿಗಳು ಈಗಾಗಲೇ ರೇಖೀಯ ಮಾದರಿಗಳು, ನಿರ್ಧಾರ ಮರಗಳು ಮತ್ತು ಅವುಗಳ ಸಂಯೋಜನೆಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಅಸಭ್ಯತೆ ಮತ್ತು ಅವಮಾನಗಳನ್ನು ಗುರುತಿಸಲು, ಉದಾಹರಣೆಗೆ, ನಾವು BERT ನರಮಂಡಲವನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತೇವೆ. ಸನ್ನಿವೇಶದಲ್ಲಿ ಪದದ ಅರ್ಥವನ್ನು ಮತ್ತು ವಿಭಿನ್ನ ವಾಕ್ಯಗಳಿಂದ ಪದಗಳ ನಡುವಿನ ಸಂಪರ್ಕವನ್ನು ಗ್ರಹಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ ಮತ್ತು BERT ಇದನ್ನು ಉತ್ತಮ ಕೆಲಸ ಮಾಡುತ್ತದೆ. (ಅಂದಹಾಗೆ, ಇತ್ತೀಚೆಗೆ ಸುದ್ದಿಯಿಂದ ಸಹೋದ್ಯೋಗಿಗಳು , ಪ್ರಮಾಣಿತವಲ್ಲದ ಕಾರ್ಯಕ್ಕಾಗಿ ತಂತ್ರಜ್ಞಾನವನ್ನು ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ - ಹೆಡರ್‌ಗಳಲ್ಲಿ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು.) ಪರಿಣಾಮವಾಗಿ, ಸೇವೆಯ ಆಧಾರದ ಮೇಲೆ 90% ನಷ್ಟು ಹರಿವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಸಾಧ್ಯವಾಯಿತು.
ನಿಖರತೆ, ಸಂಪೂರ್ಣತೆ ಮತ್ತು ವೇಗ
ಅಭಿವೃದ್ಧಿಪಡಿಸಲು, ಕೆಲವು ಸ್ವಯಂಚಾಲಿತ ವರ್ಗೀಕರಣಗಳು ಯಾವ ಪ್ರಯೋಜನಗಳನ್ನು ತರುತ್ತವೆ, ಅವುಗಳಲ್ಲಿ ಬದಲಾವಣೆಗಳು ಮತ್ತು ಹಸ್ತಚಾಲಿತ ತಪಾಸಣೆಗಳ ಗುಣಮಟ್ಟವು ಕ್ಷೀಣಿಸುತ್ತಿದೆಯೇ ಎಂಬುದನ್ನು ನೀವು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು. ಇದನ್ನು ಮಾಡಲು, ನಾವು ನಿಖರ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಬಳಸುತ್ತೇವೆ.
ನಿಖರತೆಯು ಕೆಟ್ಟ ವಿಷಯದ ಬಗ್ಗೆ ಎಲ್ಲಾ ತೀರ್ಪುಗಳಲ್ಲಿ ಸರಿಯಾದ ತೀರ್ಪುಗಳ ಅನುಪಾತವಾಗಿದೆ. ಹೆಚ್ಚಿನ ನಿಖರತೆ, ಕಡಿಮೆ ತಪ್ಪು ಧನಾತ್ಮಕ. ನೀವು ನಿಖರತೆಗೆ ಗಮನ ಕೊಡದಿದ್ದರೆ, ನಂತರ ಸಿದ್ಧಾಂತದಲ್ಲಿ ನೀವು ಎಲ್ಲಾ ಸ್ಪ್ಯಾಮ್ ಮತ್ತು ಅಶ್ಲೀಲತೆಗಳನ್ನು ಅಳಿಸಬಹುದು, ಮತ್ತು ಅವರೊಂದಿಗೆ ಅರ್ಧದಷ್ಟು ಉತ್ತಮ ಸಂದೇಶಗಳನ್ನು ಅಳಿಸಬಹುದು. ಮತ್ತೊಂದೆಡೆ, ನೀವು ನಿಖರತೆಯನ್ನು ಮಾತ್ರ ಅವಲಂಬಿಸಿದ್ದರೆ, ಉತ್ತಮ ತಂತ್ರಜ್ಞಾನವು ಯಾರನ್ನೂ ಹಿಡಿಯುವುದಿಲ್ಲ. ಆದ್ದರಿಂದ, ಸಂಪೂರ್ಣತೆಯ ಸೂಚಕವೂ ಇದೆ: ಕೆಟ್ಟ ವಿಷಯದ ಒಟ್ಟು ಪರಿಮಾಣದಲ್ಲಿ ಗುರುತಿಸಲಾದ ಕೆಟ್ಟ ವಿಷಯದ ಪಾಲು. ಈ ಎರಡು ಮೆಟ್ರಿಕ್‌ಗಳು ಪರಸ್ಪರ ಸಮತೋಲನಗೊಳಿಸುತ್ತವೆ.
ಅಳತೆ ಮಾಡಲು, ನಾವು ಪ್ರತಿ ಸೇವೆಗೆ ಸಂಪೂರ್ಣ ಒಳಬರುವ ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಮಾದರಿ ಮಾಡುತ್ತೇವೆ ಮತ್ತು ಪರಿಣಿತ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಯಂತ್ರ ಪರಿಹಾರಗಳೊಂದಿಗೆ ಹೋಲಿಕೆಗಾಗಿ ಮೌಲ್ಯಮಾಪಕರಿಗೆ ವಿಷಯ ಮಾದರಿಗಳನ್ನು ನೀಡುತ್ತೇವೆ.
ಆದರೆ ಮತ್ತೊಂದು ಪ್ರಮುಖ ಸೂಚಕವಿದೆ.
ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲದ ಸಂದೇಶವನ್ನು 5 ನಿಮಿಷಗಳಲ್ಲಿ ನೂರಾರು ಜನರು ನೋಡಬಹುದು ಎಂದು ನಾನು ಮೇಲೆ ಬರೆದಿದ್ದೇನೆ. ಆದ್ದರಿಂದ ನಾವು ಅದನ್ನು ಮರೆಮಾಡುವ ಮೊದಲು ಜನರಿಗೆ ಎಷ್ಟು ಬಾರಿ ಕೆಟ್ಟ ವಿಷಯವನ್ನು ತೋರಿಸಿದ್ದೇವೆ ಎಂದು ನಾವು ಎಣಿಸುತ್ತೇವೆ. ಇದು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೆಲಸ ಮಾಡಲು ಇದು ಸಾಕಾಗುವುದಿಲ್ಲ - ನೀವು ಕೂಡ ತ್ವರಿತವಾಗಿ ಕೆಲಸ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಮತ್ತು ನಾವು ಪ್ರಮಾಣ ಮಾಡುವುದರ ವಿರುದ್ಧ ರಕ್ಷಣೆಯನ್ನು ನಿರ್ಮಿಸಿದಾಗ, ನಾವು ಅದನ್ನು ಪೂರ್ಣವಾಗಿ ಭಾವಿಸಿದ್ದೇವೆ.
ಬೆಕ್ಕುಗಳು ಮತ್ತು ನಾಯಿಗಳ ಉದಾಹರಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಆಂಟಿಮ್ಯಾಟಿಸಂ
ಒಂದು ಸಣ್ಣ ಸಾಹಿತ್ಯದ ವ್ಯತಿರಿಕ್ತತೆ. ಅಶ್ಲೀಲತೆ ಮತ್ತು ಅವಮಾನಗಳು ದುರುದ್ದೇಶಪೂರಿತ ಲಿಂಕ್‌ಗಳಂತೆ ಅಪಾಯಕಾರಿಯಲ್ಲ ಮತ್ತು ಸ್ಪ್ಯಾಮ್‌ನಂತೆ ಕಿರಿಕಿರಿ ಉಂಟುಮಾಡುವುದಿಲ್ಲ ಎಂದು ಕೆಲವರು ಹೇಳಬಹುದು. ಆದರೆ ಲಕ್ಷಾಂತರ ಬಳಕೆದಾರರಿಗೆ ಸಂವಹನಕ್ಕಾಗಿ ಆರಾಮದಾಯಕ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ನಾವು ಶ್ರಮಿಸುತ್ತೇವೆ ಮತ್ತು ಜನರು ಅವಮಾನಿಸುವ ಸ್ಥಳಗಳಿಗೆ ಮರಳಲು ಇಷ್ಟಪಡುವುದಿಲ್ಲ. ಹಬ್ರೆ ಸೇರಿದಂತೆ ಅನೇಕ ಸಮುದಾಯಗಳ ನಿಯಮಗಳಲ್ಲಿ ಪ್ರತಿಜ್ಞೆ ಮತ್ತು ಅವಮಾನಗಳ ಮೇಲಿನ ನಿಷೇಧವನ್ನು ಉಚ್ಚರಿಸಲಾಗಿದೆ ಎಂಬುದು ಏನೂ ಅಲ್ಲ. ಆದರೆ ನಾವು ವಿಮುಖರಾಗುತ್ತೇವೆ.
ಪ್ರತಿಜ್ಞೆ ನಿಘಂಟುಗಳು ರಷ್ಯಾದ ಭಾಷೆಯ ಎಲ್ಲಾ ಶ್ರೀಮಂತಿಕೆಯನ್ನು ನಿಭಾಯಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಕೇವಲ ನಾಲ್ಕು ಮುಖ್ಯ ಪ್ರತಿಜ್ಞೆ ಬೇರುಗಳಿವೆ ಎಂಬ ವಾಸ್ತವದ ಹೊರತಾಗಿಯೂ, ಅವುಗಳಿಂದ ನೀವು ಯಾವುದೇ ಸಾಮಾನ್ಯ ಎಂಜಿನ್‌ಗಳಿಂದ ಹಿಡಿಯಲಾಗದ ಅಸಂಖ್ಯಾತ ಸಂಖ್ಯೆಯ ಪದಗಳನ್ನು ರಚಿಸಬಹುದು. ಹೆಚ್ಚುವರಿಯಾಗಿ, ನೀವು ಲಿಪ್ಯಂತರಣದಲ್ಲಿ ಪದದ ಭಾಗವನ್ನು ಬರೆಯಬಹುದು, ಅಕ್ಷರಗಳನ್ನು ಒಂದೇ ರೀತಿಯ ಸಂಯೋಜನೆಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸಬಹುದು, ಅಕ್ಷರಗಳನ್ನು ಮರುಹೊಂದಿಸಿ, ನಕ್ಷತ್ರ ಚಿಹ್ನೆಗಳನ್ನು ಸೇರಿಸಿ, ಇತ್ಯಾದಿ. ಕೆಲವೊಮ್ಮೆ, ಸಂದರ್ಭವಿಲ್ಲದೆ, ಬಳಕೆದಾರರು ಪ್ರಮಾಣ ಪದವನ್ನು ಅರ್ಥೈಸುತ್ತಾರೆ ಎಂದು ನಿರ್ಧರಿಸಲು ಮೂಲಭೂತವಾಗಿ ಅಸಾಧ್ಯ. ನಾವು ಹಬರ್ ನಿಯಮಗಳನ್ನು ಗೌರವಿಸುತ್ತೇವೆ, ಆದ್ದರಿಂದ ನಾವು ಇದನ್ನು ಲೈವ್ ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಅಲ್ಲ, ಆದರೆ ಬೆಕ್ಕುಗಳು ಮತ್ತು ನಾಯಿಗಳೊಂದಿಗೆ ಪ್ರದರ್ಶಿಸುತ್ತೇವೆ.
"ಕಾನೂನು," ಬೆಕ್ಕು ಹೇಳಿದರು. ಆದರೆ ಬೆಕ್ಕು ಬೇರೆ ಮಾತು ಹೇಳಿತು ಎಂದು ನಮಗೆ ಅರ್ಥವಾಯಿತು ...
ನಾವು ನಮ್ಮ ನಿಘಂಟಿಗಾಗಿ "ಅಸ್ಪಷ್ಟ ಹೊಂದಾಣಿಕೆಯ" ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಬಗ್ಗೆ ಮತ್ತು ಚುರುಕಾದ ಪೂರ್ವ ಸಂಸ್ಕರಣೆಯ ಬಗ್ಗೆ ಯೋಚಿಸಲು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ: ನಾವು ಲಿಪ್ಯಂತರಣ, ಅಂಟಿಕೊಂಡಿರುವ ಸ್ಥಳಗಳು ಮತ್ತು ವಿರಾಮಚಿಹ್ನೆಯನ್ನು ಒಟ್ಟಿಗೆ ಒದಗಿಸಿದ್ದೇವೆ, ಮಾದರಿಗಳನ್ನು ಹುಡುಕಿದ್ದೇವೆ ಮತ್ತು ಅವುಗಳ ಮೇಲೆ ಪ್ರತ್ಯೇಕ ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಬರೆದಿದ್ದೇವೆ. ಈ ವಿಧಾನವು ಫಲಿತಾಂಶಗಳನ್ನು ತಂದಿತು, ಆದರೆ ಆಗಾಗ್ಗೆ ಕಡಿಮೆ ನಿಖರತೆ ಮತ್ತು ಅಪೇಕ್ಷಿತ ಸಂಪೂರ್ಣತೆಯನ್ನು ಒದಗಿಸಲಿಲ್ಲ.
ನಂತರ ನಾವು "ವಚನಕಾರರಂತೆ ಯೋಚಿಸಲು" ನಿರ್ಧರಿಸಿದ್ದೇವೆ. ನಾವು ಡೇಟಾದಲ್ಲಿ ನಾವೇ ಶಬ್ದವನ್ನು ಪರಿಚಯಿಸಲು ಪ್ರಾರಂಭಿಸಿದ್ದೇವೆ: ನಾವು ಅಕ್ಷರಗಳನ್ನು ಮರುಹೊಂದಿಸಿದ್ದೇವೆ, ಮುದ್ರಣದೋಷಗಳನ್ನು ರಚಿಸಿದ್ದೇವೆ, ಅಕ್ಷರಗಳನ್ನು ಒಂದೇ ರೀತಿಯ ಕಾಗುಣಿತಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸಿದ್ದೇವೆ ಮತ್ತು ಹೀಗೆ. ಇದಕ್ಕಾಗಿ ಆರಂಭಿಕ ಮಾರ್ಕ್ಅಪ್ ಅನ್ನು ಪಠ್ಯಗಳ ದೊಡ್ಡ ಕಾರ್ಪೋರಾಗಳಿಗೆ ಚಾಪೆ ನಿಘಂಟುಗಳನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ. ನೀವು ಒಂದು ವಾಕ್ಯವನ್ನು ತೆಗೆದುಕೊಂಡು ಅದನ್ನು ಹಲವಾರು ರೀತಿಯಲ್ಲಿ ತಿರುಗಿಸಿದರೆ, ನೀವು ಅನೇಕ ವಾಕ್ಯಗಳೊಂದಿಗೆ ಕೊನೆಗೊಳ್ಳುತ್ತೀರಿ. ಈ ರೀತಿಯಾಗಿ ನೀವು ತರಬೇತಿ ಮಾದರಿಯನ್ನು ಹತ್ತಾರು ಬಾರಿ ಹೆಚ್ಚಿಸಬಹುದು. ಸನ್ನಿವೇಶವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡ ಕೆಲವು ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ಸ್ಮಾರ್ಟ್ ಮಾದರಿಯ ಫಲಿತಾಂಶದ ಪೂಲ್‌ನಲ್ಲಿ ತರಬೇತಿ ನೀಡುವುದು ಮಾತ್ರ ಉಳಿದಿದೆ.
ಅಂತಿಮ ನಿರ್ಧಾರದ ಬಗ್ಗೆ ಮಾತನಾಡಲು ಇದು ತುಂಬಾ ಮುಂಚೆಯೇ. ನಾವು ಇನ್ನೂ ಈ ಸಮಸ್ಯೆಗೆ ವಿಧಾನಗಳನ್ನು ಪ್ರಯೋಗಿಸುತ್ತಿದ್ದೇವೆ, ಆದರೆ ಹಲವಾರು ಪದರಗಳ ಸರಳ ಸಾಂಕೇತಿಕ ಕನ್ವಲ್ಯೂಷನಲ್ ನೆಟ್‌ವರ್ಕ್ ನಿಘಂಟುಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಎಂಜಿನ್‌ಗಳನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಮೀರಿಸುತ್ತದೆ ಎಂದು ನಾವು ಈಗಾಗಲೇ ನೋಡಬಹುದು: ನಿಖರತೆ ಮತ್ತು ಮರುಸ್ಥಾಪನೆ ಎರಡನ್ನೂ ಹೆಚ್ಚಿಸಲು ಸಾಧ್ಯವಿದೆ.
ಸಹಜವಾಗಿ, ಅತ್ಯಾಧುನಿಕ ಯಾಂತ್ರೀಕರಣವನ್ನು ಸಹ ಬೈಪಾಸ್ ಮಾಡಲು ಯಾವಾಗಲೂ ಮಾರ್ಗಗಳಿವೆ ಎಂದು ನಾವು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇವೆ, ವಿಶೇಷವಾಗಿ ವಿಷಯವು ತುಂಬಾ ಅಪಾಯಕಾರಿಯಾದಾಗ: ಮೂರ್ಖ ಯಂತ್ರವು ಅರ್ಥವಾಗದ ರೀತಿಯಲ್ಲಿ ಬರೆಯಿರಿ. ಇಲ್ಲಿ, ಸ್ಪ್ಯಾಮ್ ವಿರುದ್ಧದ ಹೋರಾಟದಂತೆ, ಅಶ್ಲೀಲವಾದದ್ದನ್ನು ಬರೆಯುವ ಸಾಧ್ಯತೆಯನ್ನು ನಿರ್ಮೂಲನೆ ಮಾಡುವುದು ನಮ್ಮ ಗುರಿಯಲ್ಲ; ಆಟವು ಮೇಣದಬತ್ತಿಗೆ ಯೋಗ್ಯವಾಗಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ನಮ್ಮ ಕಾರ್ಯವಾಗಿದೆ.
ನಿಮ್ಮ ಅಭಿಪ್ರಾಯವನ್ನು ಹಂಚಿಕೊಳ್ಳಲು, ಸಂವಹನ ಮಾಡಲು ಮತ್ತು ಕಾಮೆಂಟ್ ಮಾಡಲು ಅವಕಾಶವನ್ನು ತೆರೆಯುವುದು ಕಷ್ಟವೇನಲ್ಲ. ಸುರಕ್ಷಿತ, ಆರಾಮದಾಯಕ ಪರಿಸ್ಥಿತಿಗಳು ಮತ್ತು ಜನರ ಗೌರವಾನ್ವಿತ ಚಿಕಿತ್ಸೆಯನ್ನು ಸಾಧಿಸುವುದು ಹೆಚ್ಚು ಕಷ್ಟ. ಮತ್ತು ಇದು ಇಲ್ಲದೆ ಯಾವುದೇ ಸಮುದಾಯದ ಅಭಿವೃದ್ಧಿ ಇರುವುದಿಲ್ಲ.
ಮೂಲ: www.habr.com