ਟਿੱਪਣੀਆਂ ਨੂੰ ਕਿਵੇਂ ਖੋਲ੍ਹਣਾ ਹੈ ਅਤੇ ਸਪੈਮ ਵਿੱਚ ਡੁੱਬਣਾ ਨਹੀਂ ਹੈ

ਜਦੋਂ ਤੁਹਾਡਾ ਕੰਮ ਕੁਝ ਸੁੰਦਰ ਬਣਾਉਣਾ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਜ਼ਿਆਦਾ ਗੱਲ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਨਤੀਜਾ ਸਭ ਦੀਆਂ ਅੱਖਾਂ ਦੇ ਸਾਹਮਣੇ ਹੈ. ਪਰ ਜੇ ਤੁਸੀਂ ਵਾੜਾਂ ਤੋਂ ਸ਼ਿਲਾਲੇਖਾਂ ਨੂੰ ਮਿਟਾਉਂਦੇ ਹੋ, ਤਾਂ ਕੋਈ ਵੀ ਤੁਹਾਡੇ ਕੰਮ ਨੂੰ ਉਦੋਂ ਤੱਕ ਨਹੀਂ ਦੇਖੇਗਾ ਜਦੋਂ ਤੱਕ ਵਾੜ ਵਧੀਆ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਜਾਂ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਕੁਝ ਗਲਤ ਨਹੀਂ ਮਿਟਾਉਂਦੇ ਹੋ।

ਕੋਈ ਵੀ ਸੇਵਾ ਜਿੱਥੇ ਤੁਸੀਂ ਕੋਈ ਟਿੱਪਣੀ, ਸਮੀਖਿਆ, ਸੁਨੇਹਾ ਭੇਜ ਸਕਦੇ ਹੋ ਜਾਂ ਤਸਵੀਰਾਂ ਅਪਲੋਡ ਕਰ ਸਕਦੇ ਹੋ, ਜਲਦੀ ਜਾਂ ਬਾਅਦ ਵਿੱਚ ਸਪੈਮ, ਧੋਖਾਧੜੀ ਅਤੇ ਅਸ਼ਲੀਲਤਾ ਦੀ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦੇ ਹੋ। ਇਸ ਤੋਂ ਬਚਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ, ਪਰ ਇਸ ਨਾਲ ਨਿਪਟਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਮੇਰਾ ਨਾਮ ਮਿਖਾਇਲ ਹੈ, ਮੈਂ ਐਂਟੀਸਪੈਮ ਟੀਮ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹਾਂ, ਜੋ ਯਾਂਡੇਕਸ ਸੇਵਾਵਾਂ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਅਜਿਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਬਚਾਉਂਦੀ ਹੈ। ਸਾਡੇ ਕੰਮ ਨੂੰ ਘੱਟ ਹੀ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ (ਅਤੇ ਇਹ ਚੰਗੀ ਗੱਲ ਹੈ!), ਇਸ ਲਈ ਅੱਜ ਮੈਂ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਹੋਰ ਦੱਸਾਂਗਾ। ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਸੰਜਮ ਕਦੋਂ ਬੇਕਾਰ ਹੈ ਅਤੇ ਸ਼ੁੱਧਤਾ ਇਸਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਇੱਕੋ ਇੱਕ ਸੂਚਕ ਕਿਉਂ ਨਹੀਂ ਹੈ। ਅਸੀਂ ਬਿੱਲੀਆਂ ਅਤੇ ਕੁੱਤਿਆਂ ਦੀ ਉਦਾਹਰਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਹੁੰ ਖਾਣ ਬਾਰੇ ਵੀ ਗੱਲ ਕਰਾਂਗੇ ਅਤੇ "ਸਹੁੰ ਖਾਣ ਵਾਲੇ ਵਾਂਗ ਸੋਚਣਾ" ਕਈ ਵਾਰੀ ਕਿਉਂ ਲਾਭਦਾਇਕ ਹੁੰਦਾ ਹੈ।

ਯਾਂਡੇਕਸ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਸੇਵਾਵਾਂ ਦਿਖਾਈ ਦੇ ਰਹੀਆਂ ਹਨ ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਆਪਣੀ ਸਮੱਗਰੀ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੇ ਹਨ. ਤੁਸੀਂ Yandex.Q ਵਿੱਚ ਕੋਈ ਸਵਾਲ ਪੁੱਛ ਸਕਦੇ ਹੋ ਜਾਂ ਜਵਾਬ ਲਿਖ ਸਕਦੇ ਹੋ, Yandex.District ਵਿੱਚ ਯਾਰਡ ਦੀਆਂ ਖਬਰਾਂ 'ਤੇ ਚਰਚਾ ਕਰ ਸਕਦੇ ਹੋ, Yandex.Maps 'ਤੇ ਗੱਲਬਾਤ ਵਿੱਚ ਟ੍ਰੈਫਿਕ ਸਥਿਤੀਆਂ ਸਾਂਝੀਆਂ ਕਰ ਸਕਦੇ ਹੋ। ਪਰ ਜਦੋਂ ਸੇਵਾ ਦੇ ਦਰਸ਼ਕ ਵਧਦੇ ਹਨ, ਇਹ ਸਕੈਮਰਾਂ ਅਤੇ ਸਪੈਮਰਾਂ ਲਈ ਆਕਰਸ਼ਕ ਬਣ ਜਾਂਦਾ ਹੈ। ਉਹ ਆਉਂਦੇ ਹਨ ਅਤੇ ਟਿੱਪਣੀਆਂ ਭਰਦੇ ਹਨ: ਉਹ ਆਸਾਨ ਪੈਸੇ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ, ਚਮਤਕਾਰੀ ਇਲਾਜਾਂ ਦਾ ਇਸ਼ਤਿਹਾਰ ਦਿੰਦੇ ਹਨ ਅਤੇ ਸਮਾਜਿਕ ਲਾਭਾਂ ਦਾ ਵਾਅਦਾ ਕਰਦੇ ਹਨ। ਸਪੈਮਰਾਂ ਦੇ ਕਾਰਨ, ਕੁਝ ਉਪਭੋਗਤਾ ਪੈਸੇ ਗੁਆ ਦਿੰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਸਰੇ ਸਪੈਮ ਨਾਲ ਭਰੀ ਇੱਕ ਬੇਕਾਰ ਸੇਵਾ 'ਤੇ ਸਮਾਂ ਬਿਤਾਉਣ ਦੀ ਇੱਛਾ ਗੁਆ ਦਿੰਦੇ ਹਨ।

ਅਤੇ ਇਹ ਸਿਰਫ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ. ਅਸੀਂ ਨਾ ਸਿਰਫ਼ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਘੁਟਾਲੇਬਾਜ਼ਾਂ ਤੋਂ ਬਚਾਉਣ ਲਈ, ਸਗੋਂ ਸੰਚਾਰ ਲਈ ਇੱਕ ਆਰਾਮਦਾਇਕ ਮਾਹੌਲ ਬਣਾਉਣ ਲਈ ਵੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ। ਜੇਕਰ ਲੋਕਾਂ ਨੂੰ ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਗਾਲਾਂ ਕੱਢਣ ਅਤੇ ਅਪਮਾਨ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਦੇ ਛੱਡਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਅਤੇ ਕਦੇ ਵਾਪਸ ਨਹੀਂ ਆਉਣਗੇ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਇਸ ਨਾਲ ਨਜਿੱਠਣ ਦੇ ਯੋਗ ਹੋਣ ਦੀ ਵੀ ਲੋੜ ਹੈ।

ਸਾਫ਼ ਵੈੱਬ

ਜਿਵੇਂ ਕਿ ਅਕਸਰ ਸਾਡੇ ਨਾਲ ਹੁੰਦਾ ਹੈ, ਖੋਜ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸਪੈਮ ਨਾਲ ਲੜਨ ਵਾਲੇ ਹਿੱਸੇ ਵਿੱਚ ਖੋਜ ਵਿੱਚ ਪਹਿਲੇ ਵਿਕਾਸ ਦਾ ਜਨਮ ਹੋਇਆ ਸੀ। ਲਗਭਗ ਦਸ ਸਾਲ ਪਹਿਲਾਂ, ਪਰਿਵਾਰਕ ਖੋਜਾਂ ਅਤੇ ਉਹਨਾਂ ਸਵਾਲਾਂ ਲਈ ਬਾਲਗ ਸਮੱਗਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਦਾ ਕੰਮ ਜਿਨ੍ਹਾਂ ਨੂੰ 18+ ਸ਼੍ਰੇਣੀ ਦੇ ਜਵਾਬਾਂ ਦੀ ਲੋੜ ਨਹੀਂ ਸੀ, ਉੱਥੇ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ। ਇਸ ਤਰ੍ਹਾਂ ਪੋਰਨ ਅਤੇ ਗਾਲਾਂ ਦੇ ਪਹਿਲੇ ਹੱਥੀਂ ਟਾਈਪ ਕੀਤੇ ਸ਼ਬਦਕੋਸ਼ ਪ੍ਰਗਟ ਹੋਏ, ਉਹਨਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦੁਆਰਾ ਭਰਿਆ ਗਿਆ. ਮੁੱਖ ਕੰਮ ਬੇਨਤੀਆਂ ਨੂੰ ਉਹਨਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨਾ ਸੀ ਜਿੱਥੇ ਬਾਲਗ ਸਮੱਗਰੀ ਦਿਖਾਉਣਾ ਸਵੀਕਾਰਯੋਗ ਹੈ ਅਤੇ ਜਿੱਥੇ ਇਹ ਨਹੀਂ ਹੈ। ਇਸ ਕੰਮ ਲਈ, ਮਾਰਕਅੱਪ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਸੀ, heuristics ਬਣਾਇਆ ਗਿਆ ਸੀ, ਅਤੇ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ. ਇਸ ਤਰ੍ਹਾਂ ਅਣਚਾਹੇ ਸਮਗਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਲਈ ਪਹਿਲੇ ਵਿਕਾਸ ਪ੍ਰਗਟ ਹੋਏ।

ਸਮੇਂ ਦੇ ਨਾਲ, ਯੂਜੀਸੀ (ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਸਮੱਗਰੀ) ਯਾਂਡੇਕਸ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣ ਲੱਗੀ - ਉਹ ਸੰਦੇਸ਼ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਖੁਦ ਲਿਖੇ ਗਏ ਹਨ, ਅਤੇ ਯਾਂਡੇਕਸ ਕੇਵਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਉੱਪਰ ਦੱਸੇ ਕਾਰਨਾਂ ਕਰਕੇ, ਬਹੁਤ ਸਾਰੇ ਸੰਦੇਸ਼ ਬਿਨਾਂ ਦੇਖੇ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਸਨ - ਸੰਜਮ ਦੀ ਲੋੜ ਸੀ। ਫਿਰ ਉਹਨਾਂ ਨੇ ਇੱਕ ਅਜਿਹੀ ਸੇਵਾ ਬਣਾਉਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਜੋ ਸਾਰੇ Yandex UGC ਉਤਪਾਦਾਂ ਲਈ ਸਪੈਮ ਅਤੇ ਹਮਲਾਵਰਾਂ ਤੋਂ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰੇਗੀ ਅਤੇ ਖੋਜ ਵਿੱਚ ਅਣਚਾਹੇ ਸਮਗਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਲਈ ਵਿਕਾਸ ਦੀ ਵਰਤੋਂ ਕਰੇਗੀ। ਸੇਵਾ ਨੂੰ "ਕਲੀਨ ਵੈੱਬ" ਕਿਹਾ ਜਾਂਦਾ ਸੀ।

ਨਵੇਂ ਕੰਮ ਅਤੇ ਧੱਕਣ ਵਾਲਿਆਂ ਤੋਂ ਮਦਦ

ਪਹਿਲਾਂ, ਸਾਡੇ ਲਈ ਸਿਰਫ਼ ਸਧਾਰਨ ਆਟੋਮੇਸ਼ਨ ਨੇ ਕੰਮ ਕੀਤਾ: ਸੇਵਾਵਾਂ ਨੇ ਸਾਨੂੰ ਟੈਕਸਟ ਭੇਜੇ, ਅਤੇ ਅਸੀਂ ਉਹਨਾਂ 'ਤੇ ਅਸ਼ਲੀਲ ਸ਼ਬਦਕੋਸ਼, ਪੋਰਨ ਡਿਕਸ਼ਨਰੀ ਅਤੇ ਨਿਯਮਤ ਸਮੀਕਰਨ ਚਲਾਏ - ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੇ ਸਭ ਕੁਝ ਹੱਥੀਂ ਕੰਪਾਇਲ ਕੀਤਾ। ਪਰ ਸਮੇਂ ਦੇ ਨਾਲ, ਸੇਵਾ ਨੂੰ Yandex ਉਤਪਾਦਾਂ ਦੀ ਵੱਧਦੀ ਗਿਣਤੀ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਸੀ, ਅਤੇ ਸਾਨੂੰ ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਕੰਮ ਕਰਨਾ ਸਿੱਖਣਾ ਪਿਆ ਸੀ.

ਅਕਸਰ, ਸਮੀਖਿਆ ਦੀ ਬਜਾਏ, ਉਪਭੋਗਤਾ ਆਪਣੀਆਂ ਪ੍ਰਾਪਤੀਆਂ ਨੂੰ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ ਅੱਖਰਾਂ ਦਾ ਇੱਕ ਅਰਥਹੀਣ ਸਮੂਹ ਪ੍ਰਕਾਸ਼ਤ ਕਰਦੇ ਹਨ, ਕਈ ਵਾਰ ਉਹ ਇੱਕ ਮੁਕਾਬਲੇ ਵਾਲੀ ਕੰਪਨੀ ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ ਵਿੱਚ ਆਪਣੀ ਕੰਪਨੀ ਦਾ ਇਸ਼ਤਿਹਾਰ ਦਿੰਦੇ ਹਨ, ਅਤੇ ਕਈ ਵਾਰ ਉਹ ਸੰਸਥਾਵਾਂ ਨੂੰ ਉਲਝਾਉਂਦੇ ਹਨ ਅਤੇ ਪਾਲਤੂ ਜਾਨਵਰਾਂ ਦੀ ਦੁਕਾਨ ਬਾਰੇ ਇੱਕ ਸਮੀਖਿਆ ਵਿੱਚ ਲਿਖਦੇ ਹਨ: " ਬਿਲਕੁਲ ਪਕਾਈ ਹੋਈ ਮੱਛੀ!” ਸ਼ਾਇਦ ਕਿਸੇ ਦਿਨ ਨਕਲੀ ਬੁੱਧੀ ਕਿਸੇ ਵੀ ਟੈਕਸਟ ਦੇ ਅਰਥ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਣਾ ਸਿੱਖ ਲਵੇਗੀ, ਪਰ ਹੁਣ ਆਟੋਮੇਸ਼ਨ ਕਈ ਵਾਰ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵੀ ਮਾੜੀ ਹੁੰਦੀ ਹੈ।

ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਗਿਆ ਕਿ ਅਸੀਂ ਦਸਤੀ ਨਿਸ਼ਾਨਦੇਹੀ ਤੋਂ ਬਿਨਾਂ ਅਜਿਹਾ ਨਹੀਂ ਕਰ ਸਕਦੇ ਸੀ, ਅਤੇ ਅਸੀਂ ਆਪਣੇ ਸਰਕਟ ਵਿੱਚ ਇੱਕ ਦੂਜਾ ਪੜਾਅ ਜੋੜਿਆ - ਇਸਨੂੰ ਇੱਕ ਵਿਅਕਤੀ ਦੁਆਰਾ ਦਸਤੀ ਨਿਰੀਖਣ ਲਈ ਭੇਜਣਾ। ਉਹ ਪ੍ਰਕਾਸ਼ਿਤ ਟੈਕਸਟ ਜਿਨ੍ਹਾਂ ਲਈ ਵਰਗੀਕਰਣਕਾਰ ਨੇ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਵੇਖੀ ਉੱਥੇ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਸਨ। ਤੁਸੀਂ ਆਸਾਨੀ ਨਾਲ ਅਜਿਹੇ ਕੰਮ ਦੇ ਪੈਮਾਨੇ ਦੀ ਕਲਪਨਾ ਕਰ ਸਕਦੇ ਹੋ, ਇਸ ਲਈ ਅਸੀਂ ਨਾ ਸਿਰਫ਼ ਮੁਲਾਂਕਣ ਕਰਨ ਵਾਲਿਆਂ 'ਤੇ ਭਰੋਸਾ ਕੀਤਾ, ਸਗੋਂ "ਭੀੜ ਦੀ ਬੁੱਧੀ" ਦਾ ਵੀ ਫਾਇਦਾ ਉਠਾਇਆ, ਯਾਨੀ ਅਸੀਂ ਮਦਦ ਲਈ ਟੋਲਕਰਾਂ ਵੱਲ ਮੁੜੇ। ਉਹ ਉਹ ਹਨ ਜੋ ਸਾਨੂੰ ਇਹ ਪਛਾਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਮਸ਼ੀਨ ਕੀ ਖੁੰਝ ਗਈ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਇਸਨੂੰ ਸਿਖਾਉਂਦੇ ਹਨ।

ਸਮਾਰਟ ਕੈਚਿੰਗ ਅਤੇ LSH ਹੈਸ਼ਿੰਗ

ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਸਾਨੂੰ ਆਈ ਇੱਕ ਹੋਰ ਸਮੱਸਿਆ ਸਪੈਮ ਸੀ, ਜਾਂ ਵਧੇਰੇ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ, ਇਸਦੀ ਮਾਤਰਾ ਅਤੇ ਫੈਲਣ ਦੀ ਗਤੀ। ਜਦੋਂ Yandex.Region ਦਰਸ਼ਕ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਲੱਗੇ, ਸਪੈਮਰ ਉੱਥੇ ਆਏ। ਉਹਨਾਂ ਨੇ ਪਾਠ ਨੂੰ ਥੋੜ੍ਹਾ ਬਦਲ ਕੇ ਨਿਯਮਤ ਸਮੀਕਰਨਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ ਸਿੱਖਿਆ। ਸਪੈਮ, ਬੇਸ਼ੱਕ, ਅਜੇ ਵੀ ਲੱਭਿਆ ਅਤੇ ਮਿਟਾਇਆ ਗਿਆ ਸੀ, ਪਰ ਯਾਂਡੇਕਸ ਦੇ ਪੈਮਾਨੇ 'ਤੇ, 5 ਮਿੰਟ ਲਈ ਪੋਸਟ ਕੀਤਾ ਗਿਆ ਇੱਕ ਅਸਵੀਕਾਰਨਯੋਗ ਸੰਦੇਸ਼ ਸੈਂਕੜੇ ਲੋਕਾਂ ਦੁਆਰਾ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਬੇਸ਼ੱਕ, ਇਹ ਸਾਡੇ ਲਈ ਅਨੁਕੂਲ ਨਹੀਂ ਸੀ, ਅਤੇ ਅਸੀਂ LSH ਦੇ ਅਧਾਰ ਤੇ ਸਮਾਰਟ ਟੈਕਸਟ ਕੈਚਿੰਗ ਕੀਤੀ (ਸਥਾਨਕ-ਸੰਵੇਦਨਸ਼ੀਲ ਹੈਸ਼ਿੰਗ). ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ: ਅਸੀਂ ਟੈਕਸਟ ਨੂੰ ਆਮ ਬਣਾਇਆ, ਇਸ ਤੋਂ ਲਿੰਕ ਹਟਾ ਦਿੱਤੇ ਅਤੇ ਇਸਨੂੰ n-ਗ੍ਰਾਮ (n ਅੱਖਰਾਂ ਦੇ ਕ੍ਰਮ) ਵਿੱਚ ਕੱਟ ਦਿੱਤਾ। ਅੱਗੇ, n-ਗ੍ਰਾਮ ਦੇ ਹੈਸ਼ਾਂ ਦੀ ਗਣਨਾ ਕੀਤੀ ਗਈ ਸੀ, ਅਤੇ ਉਹਨਾਂ ਤੋਂ ਦਸਤਾਵੇਜ਼ ਦਾ LSH ਵੈਕਟਰ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਸਮਾਨ ਟੈਕਸਟ, ਭਾਵੇਂ ਉਹ ਥੋੜਾ ਜਿਹਾ ਬਦਲਿਆ ਗਿਆ ਹੋਵੇ, ਸਮਾਨ ਵੈਕਟਰਾਂ ਵਿੱਚ ਬਦਲ ਗਿਆ.

ਇਸ ਹੱਲ ਨੇ ਸਮਾਨ ਪਾਠਾਂ ਲਈ ਵਰਗੀਕਰਨ ਕਰਨ ਵਾਲਿਆਂ ਅਤੇ ਟੋਲੋਕਰਾਂ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਮੁੜ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਬਣਾਇਆ। ਇੱਕ ਸਪੈਮ ਹਮਲੇ ਦੇ ਦੌਰਾਨ, ਜਿਵੇਂ ਹੀ ਪਹਿਲਾ ਸੁਨੇਹਾ ਸਕੈਨ ਪਾਸ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ "ਸਪੈਮ" ਫੈਸਲੇ ਦੇ ਨਾਲ ਕੈਸ਼ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ, ਸਾਰੇ ਨਵੇਂ ਸਮਾਨ ਸੁਨੇਹਿਆਂ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਸੰਸ਼ੋਧਿਤ ਵੀ, ਨੂੰ ਉਹੀ ਫੈਸਲਾ ਪ੍ਰਾਪਤ ਹੋਇਆ ਅਤੇ ਆਪਣੇ ਆਪ ਮਿਟਾ ਦਿੱਤੇ ਗਏ। ਬਾਅਦ ਵਿੱਚ, ਅਸੀਂ ਸਿੱਖਿਆ ਕਿ ਸਪੈਮ ਵਰਗੀਕਰਣਾਂ ਨੂੰ ਕਿਵੇਂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਪਰ ਇਹ "ਸਮਾਰਟ ਕੈਸ਼" ਸਾਡੇ ਨਾਲ ਰਿਹਾ ਅਤੇ ਅਜੇ ਵੀ ਅਕਸਰ ਸਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ।

ਵਧੀਆ ਟੈਕਸਟ ਵਰਗੀਫਾਇਰ

ਸਪੈਮ ਨਾਲ ਲੜਨ ਤੋਂ ਇੱਕ ਬ੍ਰੇਕ ਲੈਣ ਲਈ ਸਮਾਂ ਲਏ ਬਿਨਾਂ, ਅਸੀਂ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਸਾਡੀ ਸਮੱਗਰੀ ਦਾ 95% ਹੱਥੀਂ ਸੰਚਾਲਿਤ ਕੀਤਾ ਗਿਆ ਹੈ: ਵਰਗੀਕਰਨ ਕਰਨ ਵਾਲੇ ਸਿਰਫ ਉਲੰਘਣਾਵਾਂ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹਨ, ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਟੈਕਸਟ ਚੰਗੇ ਹਨ। ਅਸੀਂ ਕਲੀਨਰ ਲੋਡ ਕਰਦੇ ਹਾਂ ਜੋ 95 ਵਿੱਚੋਂ 100 ਮਾਮਲਿਆਂ ਵਿੱਚ "ਸਭ ਕੁਝ ਠੀਕ ਹੈ" ਰੇਟਿੰਗ ਦਿੰਦੇ ਹਨ। ਮੈਨੂੰ ਇੱਕ ਅਸਾਧਾਰਨ ਕੰਮ ਕਰਨਾ ਪਿਆ - ਚੰਗੀ ਸਮੱਗਰੀ ਦੇ ਵਰਗੀਕਰਣ ਬਣਾਉਣਾ, ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ ਇਸ ਸਮੇਂ ਦੌਰਾਨ ਕਾਫ਼ੀ ਮਾਰਕਅੱਪ ਇਕੱਠਾ ਹੋ ਗਿਆ ਸੀ.

ਪਹਿਲਾ ਵਰਗੀਕਰਣ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਸੀ: ਅਸੀਂ ਟੈਕਸਟ ਨੂੰ ਲੈਮਮੈਟਾਈਜ਼ ਕਰਦੇ ਹਾਂ (ਸ਼ਬਦਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਸ਼ੁਰੂਆਤੀ ਰੂਪ ਵਿੱਚ ਘਟਾਉਂਦੇ ਹਾਂ), ਭਾਸ਼ਣ ਦੇ ਸਾਰੇ ਸਹਾਇਕ ਭਾਗਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢਦੇ ਹਾਂ ਅਤੇ ਪਹਿਲਾਂ ਤੋਂ ਤਿਆਰ "ਚੰਗੇ ਲੈਮਾਸ ਦੀ ਡਿਕਸ਼ਨਰੀ" ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ। ਜੇ ਟੈਕਸਟ ਵਿੱਚ ਸਾਰੇ ਸ਼ਬਦ "ਚੰਗੇ" ਹਨ, ਤਾਂ ਪੂਰੇ ਟੈਕਸਟ ਵਿੱਚ ਕੋਈ ਉਲੰਘਣਾ ਨਹੀਂ ਹੁੰਦੀ। ਵੱਖ-ਵੱਖ ਸੇਵਾਵਾਂ 'ਤੇ, ਇਸ ਪਹੁੰਚ ਨੇ ਤੁਰੰਤ ਮੈਨੂਅਲ ਮਾਰਕਅੱਪ ਦੇ 25 ਤੋਂ 35% ਆਟੋਮੇਸ਼ਨ ਦਿੱਤੀ। ਬੇਸ਼ੱਕ, ਇਹ ਪਹੁੰਚ ਆਦਰਸ਼ ਨਹੀਂ ਹੈ: ਕਈ ਮਾਸੂਮ ਸ਼ਬਦਾਂ ਨੂੰ ਜੋੜਨਾ ਅਤੇ ਇੱਕ ਬਹੁਤ ਹੀ ਅਪਮਾਨਜਨਕ ਬਿਆਨ ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੈ, ਪਰ ਇਸ ਨੇ ਸਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਆਟੋਮੇਸ਼ਨ ਦੇ ਇੱਕ ਚੰਗੇ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਅਤੇ ਸਾਨੂੰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਮਾਂ ਦਿੱਤਾ।

ਚੰਗੇ ਪਾਠ ਵਰਗੀਕਰਣ ਦੇ ਅਗਲੇ ਸੰਸਕਰਣਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਲੀਨੀਅਰ ਮਾਡਲ, ਫੈਸਲੇ ਦੇ ਰੁੱਖ ਅਤੇ ਉਹਨਾਂ ਦੇ ਸੰਜੋਗ ਸ਼ਾਮਲ ਹਨ। ਬੇਰਹਿਮੀ ਅਤੇ ਅਪਮਾਨ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਨ ਲਈ, ਉਦਾਹਰਨ ਲਈ, ਅਸੀਂ BERT ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ। ਸੰਦਰਭ ਵਿੱਚ ਇੱਕ ਸ਼ਬਦ ਦੇ ਅਰਥ ਅਤੇ ਵੱਖ-ਵੱਖ ਵਾਕਾਂ ਦੇ ਸ਼ਬਦਾਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਸਮਝਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਅਤੇ BERT ਇਸ ਦਾ ਇੱਕ ਚੰਗਾ ਕੰਮ ਕਰਦਾ ਹੈ। (ਤਰੀਕੇ ਨਾਲ, ਹਾਲ ਹੀ ਵਿੱਚ ਨਿਊਜ਼ ਦੇ ਸਹਿਯੋਗੀ ਨੂੰ ਦੱਸਿਆ, ਇੱਕ ਗੈਰ-ਮਿਆਰੀ ਕੰਮ ਲਈ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ - ਸਿਰਲੇਖਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਲੱਭਣਾ।) ਨਤੀਜੇ ਵਜੋਂ, ਸੇਵਾ ਦੇ ਆਧਾਰ 'ਤੇ, 90% ਤੱਕ ਪ੍ਰਵਾਹ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨਾ ਸੰਭਵ ਸੀ।

ਸ਼ੁੱਧਤਾ, ਸੰਪੂਰਨਤਾ ਅਤੇ ਗਤੀ

ਵਿਕਸਤ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇਹ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕੁਝ ਆਟੋਮੈਟਿਕ ਵਰਗੀਫਾਇਰ ਕੀ ਲਾਭ ਲਿਆਉਂਦੇ ਹਨ, ਉਹਨਾਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ, ਅਤੇ ਕੀ ਮੈਨੂਅਲ ਜਾਂਚਾਂ ਦੀ ਗੁਣਵੱਤਾ ਘਟਦੀ ਹੈ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਸ਼ੁੱਧਤਾ ਅਤੇ ਰੀਕਾਲ ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ।

ਸ਼ੁੱਧਤਾ ਮਾੜੀ ਸਮੱਗਰੀ ਬਾਰੇ ਸਾਰੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਸਹੀ ਫੈਸਲਿਆਂ ਦਾ ਅਨੁਪਾਤ ਹੈ। ਸ਼ੁੱਧਤਾ ਜਿੰਨੀ ਉੱਚੀ ਹੋਵੇਗੀ, ਘੱਟ ਝੂਠੇ ਸਕਾਰਾਤਮਕ। ਜੇ ਤੁਸੀਂ ਸ਼ੁੱਧਤਾ ਵੱਲ ਧਿਆਨ ਨਹੀਂ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਤੁਸੀਂ ਸਾਰੇ ਸਪੈਮ ਅਤੇ ਅਸ਼ਲੀਲਤਾਵਾਂ ਨੂੰ ਮਿਟਾ ਸਕਦੇ ਹੋ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਨਾਲ ਅੱਧੇ ਚੰਗੇ ਸੰਦੇਸ਼ਾਂ ਨੂੰ ਵੀ ਮਿਟਾ ਸਕਦੇ ਹੋ। ਦੂਜੇ ਪਾਸੇ, ਜੇ ਤੁਸੀਂ ਸਿਰਫ ਸ਼ੁੱਧਤਾ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਤਕਨਾਲੋਜੀ ਉਹ ਹੋਵੇਗੀ ਜੋ ਕਿਸੇ ਨੂੰ ਵੀ ਨਹੀਂ ਫੜਦੀ. ਇਸ ਲਈ, ਸੰਪੂਰਨਤਾ ਦਾ ਇੱਕ ਸੂਚਕ ਵੀ ਹੈ: ਖਰਾਬ ਸਮੱਗਰੀ ਦੀ ਕੁੱਲ ਮਾਤਰਾ ਵਿੱਚ ਪਛਾਣੀ ਗਈ ਮਾੜੀ ਸਮੱਗਰੀ ਦਾ ਹਿੱਸਾ। ਇਹ ਦੋ ਮਾਪਦੰਡ ਇੱਕ ਦੂਜੇ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਦੇ ਹਨ.

ਮਾਪਣ ਲਈ, ਅਸੀਂ ਹਰੇਕ ਸੇਵਾ ਲਈ ਸਮੁੱਚੀ ਇਨਕਮਿੰਗ ਸਟ੍ਰੀਮ ਦਾ ਨਮੂਨਾ ਲੈਂਦੇ ਹਾਂ ਅਤੇ ਮਾਹਰ ਮੁਲਾਂਕਣ ਅਤੇ ਮਸ਼ੀਨ ਹੱਲਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਲਈ ਮੁਲਾਂਕਣਕਾਰਾਂ ਨੂੰ ਸਮੱਗਰੀ ਦੇ ਨਮੂਨੇ ਦਿੰਦੇ ਹਾਂ।

ਪਰ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਸੂਚਕ ਹੈ.

ਮੈਂ ਉੱਪਰ ਲਿਖਿਆ ਸੀ ਕਿ ਇੱਕ ਅਸਵੀਕਾਰਨਯੋਗ ਸੰਦੇਸ਼ ਨੂੰ ਸੈਂਕੜੇ ਲੋਕ 5 ਮਿੰਟ ਵਿੱਚ ਵੀ ਦੇਖ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ ਅਸੀਂ ਇਹ ਗਿਣਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਇਸ ਨੂੰ ਲੁਕਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਕਿੰਨੀ ਵਾਰ ਲੋਕਾਂ ਨੂੰ ਮਾੜੀ ਸਮੱਗਰੀ ਦਿਖਾਈ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ - ਤੁਹਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਨ ਦੀ ਵੀ ਲੋੜ ਹੈ। ਅਤੇ ਜਦੋਂ ਅਸੀਂ ਸਹੁੰ ਖਾਣ ਦੇ ਵਿਰੁੱਧ ਬਚਾਅ ਕੀਤਾ, ਅਸੀਂ ਇਸਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਹਿਸੂਸ ਕੀਤਾ.

ਬਿੱਲੀਆਂ ਅਤੇ ਕੁੱਤਿਆਂ ਦੀ ਉਦਾਹਰਣ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਵਿਰੋਧੀਵਾਦ

ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਗੀਤਕਾਰੀ ਵਿਭਿੰਨਤਾ। ਕੁਝ ਕਹਿ ਸਕਦੇ ਹਨ ਕਿ ਅਸ਼ਲੀਲਤਾ ਅਤੇ ਅਪਮਾਨ ਖਤਰਨਾਕ ਲਿੰਕਾਂ ਜਿੰਨਾ ਖਤਰਨਾਕ ਨਹੀਂ ਹਨ, ਅਤੇ ਸਪੈਮ ਜਿੰਨਾ ਤੰਗ ਕਰਨ ਵਾਲੇ ਨਹੀਂ ਹਨ। ਪਰ ਅਸੀਂ ਲੱਖਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸੰਚਾਰ ਲਈ ਆਰਾਮਦਾਇਕ ਸਥਿਤੀਆਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਲੋਕ ਉਹਨਾਂ ਸਥਾਨਾਂ 'ਤੇ ਵਾਪਸ ਜਾਣਾ ਪਸੰਦ ਨਹੀਂ ਕਰਦੇ ਜਿੱਥੇ ਉਨ੍ਹਾਂ ਦਾ ਅਪਮਾਨ ਹੁੰਦਾ ਹੈ। ਇਹ ਬੇਕਾਰ ਨਹੀਂ ਹੈ ਕਿ ਗਾਲਾਂ ਕੱਢਣ ਅਤੇ ਅਪਮਾਨ ਕਰਨ 'ਤੇ ਪਾਬੰਦੀ ਬਹੁਤ ਸਾਰੇ ਭਾਈਚਾਰਿਆਂ ਦੇ ਨਿਯਮਾਂ ਵਿੱਚ ਦੱਸੀ ਗਈ ਹੈ, ਜਿਸ ਵਿੱਚ ਹੈਬਰੇ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਪਰ ਅਸੀਂ ਹਟਦੇ ਹਾਂ।

ਸਹੁੰ ਚੁੱਕਣ ਵਾਲੇ ਸ਼ਬਦਕੋਸ਼ ਰੂਸੀ ਭਾਸ਼ਾ ਦੀ ਸਾਰੀ ਅਮੀਰੀ ਦਾ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦੇ. ਇਸ ਤੱਥ ਦੇ ਬਾਵਜੂਦ ਕਿ ਇੱਥੇ ਸਿਰਫ ਚਾਰ ਮੁੱਖ ਸਹੁੰ ਦੀਆਂ ਜੜ੍ਹਾਂ ਹਨ, ਉਹਨਾਂ ਤੋਂ ਤੁਸੀਂ ਅਣਗਿਣਤ ਸ਼ਬਦਾਂ ਨੂੰ ਬਣਾ ਸਕਦੇ ਹੋ ਜੋ ਕਿਸੇ ਵੀ ਨਿਯਮਤ ਇੰਜਣ ਦੁਆਰਾ ਨਹੀਂ ਫੜੇ ਜਾ ਸਕਦੇ ਹਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਸੀਂ ਲਿਪੀਅੰਤਰਨ ਵਿੱਚ ਕਿਸੇ ਸ਼ਬਦ ਦਾ ਹਿੱਸਾ ਲਿਖ ਸਕਦੇ ਹੋ, ਅੱਖਰਾਂ ਨੂੰ ਸਮਾਨ ਸੰਜੋਗਾਂ ਨਾਲ ਬਦਲ ਸਕਦੇ ਹੋ, ਅੱਖਰਾਂ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਰੇ ਜੋੜ ਸਕਦੇ ਹੋ, ਆਦਿ। ਕਈ ਵਾਰ, ਸੰਦਰਭ ਤੋਂ ਬਿਨਾਂ, ਇਹ ਨਿਰਧਾਰਿਤ ਕਰਨਾ ਮੂਲ ਰੂਪ ਵਿੱਚ ਅਸੰਭਵ ਹੁੰਦਾ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਦਾ ਮਤਲਬ ਇੱਕ ਗਾਲ ਸ਼ਬਦ ਸੀ। ਅਸੀਂ ਹਾਬਰ ਦੇ ਨਿਯਮਾਂ ਦਾ ਸਤਿਕਾਰ ਕਰਦੇ ਹਾਂ, ਇਸ ਲਈ ਅਸੀਂ ਇਸ ਨੂੰ ਲਾਈਵ ਉਦਾਹਰਣਾਂ ਨਾਲ ਨਹੀਂ, ਸਗੋਂ ਬਿੱਲੀਆਂ ਅਤੇ ਕੁੱਤਿਆਂ ਨਾਲ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਾਂਗੇ।

“ਕਾਨੂੰਨ,” ਬਿੱਲੀ ਨੇ ਕਿਹਾ। ਪਰ ਅਸੀਂ ਸਮਝਦੇ ਹਾਂ ਕਿ ਬਿੱਲੀ ਨੇ ਇੱਕ ਵੱਖਰਾ ਸ਼ਬਦ ਕਿਹਾ ...

ਅਸੀਂ ਆਪਣੇ ਡਿਕਸ਼ਨਰੀ ਲਈ "ਫਜ਼ੀ ਮੈਚਿੰਗ" ਐਲਗੋਰਿਦਮ ਬਾਰੇ ਅਤੇ ਚੁਸਤ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਬਾਰੇ ਸੋਚਣਾ ਸ਼ੁਰੂ ਕੀਤਾ: ਅਸੀਂ ਲਿਪੀਅੰਤਰਨ, ਗੂੰਦ ਵਾਲੀਆਂ ਥਾਂਵਾਂ ਅਤੇ ਵਿਰਾਮ ਚਿੰਨ੍ਹ ਇਕੱਠੇ ਪ੍ਰਦਾਨ ਕੀਤੇ, ਪੈਟਰਨਾਂ ਦੀ ਖੋਜ ਕੀਤੀ ਅਤੇ ਉਹਨਾਂ 'ਤੇ ਵੱਖਰੇ ਨਿਯਮਿਤ ਸਮੀਕਰਨ ਲਿਖੇ। ਇਸ ਪਹੁੰਚ ਨੇ ਨਤੀਜੇ ਲਿਆਂਦੇ, ਪਰ ਅਕਸਰ ਸ਼ੁੱਧਤਾ ਘਟਾਈ ਅਤੇ ਲੋੜੀਂਦੀ ਸੰਪੂਰਨਤਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤੀ।

ਫਿਰ ਅਸੀਂ “ਸਹੁੰ ਖਾਣ ਵਾਲਿਆਂ ਵਾਂਗ ਸੋਚਣ” ਦਾ ਫ਼ੈਸਲਾ ਕੀਤਾ। ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਰੌਲਾ ਪਾਉਣਾ ਸ਼ੁਰੂ ਕੀਤਾ: ਅਸੀਂ ਅੱਖਰਾਂ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕੀਤਾ, ਟਾਈਪੋਜ਼ ਤਿਆਰ ਕੀਤੇ, ਅੱਖਰਾਂ ਨੂੰ ਸਮਾਨ ਸ਼ਬਦ-ਜੋੜਾਂ ਨਾਲ ਬਦਲਿਆ, ਅਤੇ ਹੋਰ ਵੀ। ਇਸਦੇ ਲਈ ਸ਼ੁਰੂਆਤੀ ਮਾਰਕਅੱਪ ਟੈਕਸਟ ਦੇ ਵੱਡੇ ਕਾਰਪੋਰਾ ਲਈ ਮੈਟ ਡਿਕਸ਼ਨਰੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਲਿਆ ਗਿਆ ਸੀ। ਜੇ ਤੁਸੀਂ ਇੱਕ ਵਾਕ ਲੈਂਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਮੋੜਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਬਹੁਤ ਸਾਰੇ ਵਾਕਾਂ ਦੇ ਨਾਲ ਖਤਮ ਹੋ ਜਾਂਦੇ ਹੋ। ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਸਿਖਲਾਈ ਦੇ ਨਮੂਨੇ ਨੂੰ ਕਈ ਵਾਰ ਵਧਾ ਸਕਦੇ ਹੋ। ਜੋ ਕੁਝ ਬਚਿਆ ਸੀ ਉਹ ਨਤੀਜੇ ਵਜੋਂ ਪੂਲ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣਾ ਸੀ ਕੁਝ ਘੱਟ ਜਾਂ ਘੱਟ ਸਮਾਰਟ ਮਾਡਲ ਜੋ ਸੰਦਰਭ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਸਨ।

ਅੰਤਿਮ ਫੈਸਲੇ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਜਲਦਬਾਜ਼ੀ ਹੋਵੇਗੀ। ਅਸੀਂ ਅਜੇ ਵੀ ਇਸ ਸਮੱਸਿਆ ਲਈ ਪਹੁੰਚਾਂ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰ ਰਹੇ ਹਾਂ, ਪਰ ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਕਈ ਲੇਅਰਾਂ ਦਾ ਇੱਕ ਸਧਾਰਨ ਪ੍ਰਤੀਕ ਸੰਕਲਪਿਕ ਨੈਟਵਰਕ ਸ਼ਬਦਕੋਸ਼ਾਂ ਅਤੇ ਨਿਯਮਤ ਇੰਜਣਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪਛਾੜਦਾ ਹੈ: ਸ਼ੁੱਧਤਾ ਅਤੇ ਯਾਦ ਦੋਨਾਂ ਨੂੰ ਵਧਾਉਣਾ ਸੰਭਵ ਹੈ।

ਬੇਸ਼ੱਕ, ਅਸੀਂ ਸਮਝਦੇ ਹਾਂ ਕਿ ਸਭ ਤੋਂ ਉੱਨਤ ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਵੀ ਬਾਈਪਾਸ ਕਰਨ ਦੇ ਹਮੇਸ਼ਾ ਤਰੀਕੇ ਹੋਣਗੇ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਮਾਮਲਾ ਇੰਨਾ ਖ਼ਤਰਨਾਕ ਹੈ: ਇਸ ਤਰ੍ਹਾਂ ਲਿਖੋ ਕਿ ਇੱਕ ਮੂਰਖ ਮਸ਼ੀਨ ਨੂੰ ਸਮਝ ਨਹੀਂ ਆਵੇਗੀ। ਇੱਥੇ, ਜਿਵੇਂ ਕਿ ਸਪੈਮ ਦੇ ਵਿਰੁੱਧ ਲੜਾਈ ਵਿੱਚ, ਸਾਡਾ ਟੀਚਾ ਕੁਝ ਅਸ਼ਲੀਲ ਲਿਖਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਖਤਮ ਕਰਨਾ ਨਹੀਂ ਹੈ; ਸਾਡਾ ਕੰਮ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਗੇਮ ਮੋਮਬੱਤੀ ਦੀ ਕੀਮਤ ਨਹੀਂ ਹੈ.

ਆਪਣੇ ਵਿਚਾਰ ਸਾਂਝੇ ਕਰਨ, ਸੰਚਾਰ ਕਰਨ ਅਤੇ ਟਿੱਪਣੀ ਕਰਨ ਦਾ ਮੌਕਾ ਖੋਲ੍ਹਣਾ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੈ. ਸੁਰੱਖਿਅਤ, ਆਰਾਮਦਾਇਕ ਸਥਿਤੀਆਂ ਅਤੇ ਲੋਕਾਂ ਨਾਲ ਸਨਮਾਨਜਨਕ ਇਲਾਜ ਪ੍ਰਾਪਤ ਕਰਨਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮੁਸ਼ਕਲ ਹੈ। ਅਤੇ ਇਸ ਤੋਂ ਬਿਨਾਂ ਕਿਸੇ ਵੀ ਸਮਾਜ ਦਾ ਵਿਕਾਸ ਨਹੀਂ ਹੋਵੇਗਾ।

ਸਰੋਤ: www.habr.com