V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
random0O
V2EX  ›  机器学习

PM 要求同时支持机器学习生成的标签和用户自定义的标签,如何和平相处?

  •  
  •   random0O · 2019-09-16 17:21:28 +08:00 · 3254 次点击
    这是一个创建于 980 天前的主题,其中的信息可能已经有所发展或是发生改变。

    我们是做照片管理 App 的。公司有自己的 ML pipeline,给一张图能吐至少一百个标签出来,每个标签有可信度和主题相关度的数据。标签自身是公司内部的知识图谱中的节点,所以互相之间有层级关系 (食物->年糕->韩式炒年糕)。

    我收到的需求是既要利用 ML 的标签,又要允许用户自己给照片标注,还希望能自动合并两种标签。比如用户标了几张图片是狗,ML 判定有狗的图片也会被归在一处。

    目前我的疑惑是,我怎么知道用户的狗和 ML 的狗是一种东西?不可能依靠字符串匹配吧...

    想法 1 )只使用顶级标签(食物,交通工具;而不是年糕,捷安特),用户创建的时候给他个自动补全,如果用户执意不选自动补全给出的狗标签,那就认为用户的狗和 ML 的狗不一样

    想法 2 )直接告诉 PM 没戏,合并不了,只能并存

    7 条回复    2019-09-16 19:27:18 +08:00
    leo108
        1
    leo108  
       2019-09-16 17:48:01 +08:00
    「不可能依靠字符串匹配吧」为什么不能?
    即使你的 ML 已经打了一个『狗』的标签,用户硬要再打一个『小狗』的标签也没有任何问题啊。
    TimePPT
        2
    TimePPT  
       2019-09-16 18:19:35 +08:00
    做过 UGC 社区搜索推荐的 PM,给几个有用的建议吧:

    1. 用户自定义的 tag 和用于聚类推荐的 tag 做分离!
    千万不要直接用于生产环境做聚类!
    最差的情况也是离线清洗后重新上线。

    2. 对于 1 中需清洗的 tag,人工界定分类层级,人工对应,高级点的你做个 ML 聚类,知识图谱,词向量相似度之类的做辅助判断。当然,还要判断和图片主题真正的内容契合度。具体不展开说了,方法很多。

    3. 用户打 tag 时建议首先给出 suggestion tag,引导用户先 focus 到你给到的 tag

    4. 限制用户 tag 数量,潜意识让用户谨慎选择。
    TimePPT
        3
    TimePPT  
       2019-09-16 18:21:14 +08:00
    另,纯表层字符串匹配不靠谱
    最简单的,你打个 tag 是「狗」,用户打个 tag 是「柯基」,文本相似度搞不定。
    zhchyu999
        4
    zhchyu999  
       2019-09-16 18:22:28 +08:00 via Android
    看成如何和 PM 和平相处
    TimePPT
        5
    TimePPT  
       2019-09-16 18:29:53 +08:00
    @TimePPT 再补充下,前面说的分离原则是指能够全平台共享使用的 tag,对用户自建的 tag,在用户的图片库内做同 tag 聚合是没问题的,比如用户对自己上传的狗都打一个 tag 「我家旺财」,点击聚类所有有这个 tag 的用户自有图片没啥问题。
    但这个 tag 一定别直接用到公共领域,能玩死你。
    有些用户就真得很闲,tag 写个「 123 」,甚至狗图片打个「猫」 tag,各种匪夷所思,防不胜防
    random0O
        6
    random0O  
    OP
       2019-09-16 18:56:18 +08:00 via Android
    @TimePPT 多谢多谢。我也是觉得 ml 的 tag 和用户自己的 tag 分别对待实现起来方便一些(如果可能的话)。tag 清洗的确也是个问题,我们的知识图谱非常大,就算是只局限于有足够图片数据能 train 出分类器的节点也是无法人工操作的量级,而且整个系统还在 grow,不断会有新 tag 被加进来,我们怎么跟进也得考虑
    TimePPT
        7
    TimePPT  
       2019-09-16 19:27:18 +08:00
    @random0O 嗯,这是个坑,一定要说服 PM 别搞缺心眼的策略 😂
    关于   ·   帮助文档   ·   API   ·   FAQ   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2969 人在线   最高记录 5497   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 25ms · UTC 10:45 · PVG 18:45 · LAX 03:45 · JFK 06:45
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.