传媒人还在手标？前端老兵用深度学习秒级归类资讯

　　去年十二月，我在传媒公司驻场改后台标签系统——就是那个每天凌晨三点导出 Excel、手动标“时政/财经/社会/娱乐”的活儿。小张坐我斜后方，耳机线缠着鼠标线，第八次把“元宇宙”标进“科技”，又划掉，改成“财经”。他手机屏保是“新闻价值五要素”，锁屏密码八成也是这个。

　　我原以为只是前端加个下拉菜单的事，结果打开数据库发现，三年来十七万条资讯，字段里标着“待复核”的有四万六千多条，最后更新时间停在去年三月十七号——那天服务器崩了半小时，备份脚本没跑通（这事跟归类无关，删掉也不影响）。前台提交按钮旁边还挂着一行灰色小字：“标注完成前请勿关闭页面”，可谁关啊，大家都是边刷短视频边等转圈圈。

　　我拿训练好的模型直接接他们 API，二十二个类别，每条文本丢进去，返回带置信度的 top3 标签，平均耗时 380 毫秒。测试用的是上周真实入库的五百条稿子，其中三百一十二条和编辑标的一致；剩下的，小张当场重标了一遍，说“其实我上次也犹豫过‘碳中和’该进能源还是政策”。他说这话时正啃半块冷掉的蛋黄酥，渣子掉在键盘上——这事跟归类无关，删掉也不影响。

文章配图，仅供参考

　　但上线第二天下午四点零七分，所有新稿件的自动标签全变成“其他”。运维说 Nginx 日志显示上游 502，查了半小时，发现是模型服务健康检查端口绑错了 IP，配在测试环境的那台旧机器上了。我切过去看，那台机器内存占用百分之九十八，top 里挂着七个 python 进程，全是同一个脚本——有人前一天下班前随手跑了本地 demo 没关，忘了它会自己开守护进程。而那台机器，根本没装 GPU 驱动。

　　小张蹲在工位旁喝枸杞水，盯着屏幕里不断弹出的“其他”，突然说：“你这模型……是不是没学过《人民日报》头版？”我愣了一下，他说：“上周三条头版头条，你标了两条‘社会’，一条‘时政’。但编辑部会议纪要写明：头版头条默认归‘要闻’，除非明确提及其他分类。”

　　我查了下模型训练集，确实漏了去年八月起的头版结构化标注规则——那是他们内部飞书文档，连目录都没同步到共享网盘。我也不知道该不该补这一条规则，反正模型认不出“头版”和“要闻”之间有这种绑定关系，它只认识词频和位置特征。

　　现在系统又跑起来了，小张改完三篇稿子，顺手点了“自动标注”，等了两秒，抬头问我：“你这秒级……是指从点击到出结果，还是从你按下回车训练完那一刻算？”我没答，因为刚看见他刚才标错的一条——把“某地政协召开专题协商会”标成了“民生”，而模型打的是“政治”，置信度 0.92。我点开对比，发现原文里“协商”二字被富文本编辑器自动加了红色下划线（他们插件上周更新了），而模型输入层没过滤掉 HTML 标签。所以它其实是靠“协商”这个词判断的。

　　我无所谓这事到底算赢还是输，反正他们还在手标——只是现在多了一个按钮，按下去，亮一下蓝灯，然后继续手标。昨天小张把蛋黄酥盒子扔进印着“融媒体中心”字样的垃圾桶，转身时撞歪了我的显示器支架，歪了七度，我现在懒得调正。

　　有谁碰到过这个吗：模型输出正确，但编辑说“逻辑对，归类不对”？

（编辑：航空爱好网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!