APP推广合作
联系“鸟哥笔记小乔”
非结构化建模VS结构化建模VS传统制造业建模
2021-11-01 10:10:00

作者|贾少华


此次,向大家分享建模方面的经验和一点想法,欢迎各位大佬批评指正。

1 非结构化

截止目前,笔者在建模方面的经验主要有电商评论—虚假电商评论检测,如我们在网上面进行购物时,会参考其商品的评分,评价,通过汲取其他人的购买体验,来作为是否购买的一个加权,也因此很多不良商家,为了提高知名度和消费量,会存在恶意刷好评的情况,错误的引导消费者。为了更细致的了解其运作模式,笔者也曾“卧底”了一回—为某个卖服装的代写好评,后续断断续续追踪半个月,发现其成交量出现了稳步增长,具体是虚假交易,还是由虚假交易引起口碑影响力带动真消费,不再探究。也因此笔者觉得虚假评论的检测具备一定道德层面的积极意义。


在电商评论中,获取的数据为文本型数据,通过传统的主题模型等机器学习方法可以对之进行主题-词的抽取,进而获取相关的核心主题进行进一步的建模。同时,较之于数值型数据,文本数据无法直接被电脑读取,需要转化为数值型格式,这里提及一些方法可供参考,LDA主题模型,可以获取每个词的概率值,虽然限定了特定主题和特定文本,但是某种程度上也可以使用进行文本数值化;Word2vec(WordEmbedding),谷歌公布的文本向量化包,可以对文本进行向量化处理,但是Word2vec更多是也是对于词袋模型中的词进行处理,在进行上下文的联动上存在一定的不足之处,这也就致使了另一项更加强大的词向量化工具Bert应运而生。


对于文本数据,有一个很有意思的研究趋势是“大”,如微软和英伟达近期联合推出的迄今为止最大和最强的语言模型—Megatron-Turing (MT-NLP),该模型包含5300亿个参数,几乎等同于人的神经个数,据表述,该模型在预测,阅读理解,常识论证,自然语言推理,词义消歧等自然处理领域具备优越的性能。笔者惊艳其模型的规模与性能,同时也有点小小的思考,人工智能模型本身存在难以解释的不足,当模型规模扩大,效果提升到一定水平,是否就可以不需要解释了呢?

2 结构化

很多报告说现在存在很多的单身男女,我觉得怎么会呢?手机,自发布到目前2021年,已经成为我们新的老婆(老公),从工作到生活,形影不离,忠贞不渝。笔者曾出差4天,说想念媳妇到茶饭不思那是不可能的,生活依旧,然而某天手机以外跌落地上,致使手机无法使用,在网购等待的一天里,我经历了焦虑,恐慌,无所是从,手足无措等等,真没了“媳妇”,是否部分伙伴和我一样,是否由此可以推断,手机已经成为了我们生活所需的基本要素,而手机正常运作的一项基础-网络通讯是否也已经成为我们生活中无法割舍的一部分。


因此对结构化数据建模的一个分析,就以通讯行业为例,虽然是以前从事的工作内容,但是考虑到曾作为一名该行业员工的规范性,此处和下面的制造业建模均不过于深入和具体描述。在通讯行业中客户的信息均以固定的形式存储在数据库中,通过使用传统的机器学习算法如贝叶斯网络,决策树(可解释性高)可以对之进行建模,而在2018年左右大火的深度学习技术如LSTM等,也可以应用于其中,提高模型的准确率,进而在业务赋能的过程中添砖加瓦,然而根据笔者的行业经历,在使用LSTM对结构化数据进行建模过程中,其准确率较之于传统的机器学习方法虽然能提高至少10%的准确率和预测成功率(业务检验),但是对之于一些触及决策性质或者需要解释性强的业务问题,LSTM就显得爱莫能助,只能求助于传统的可解释性强的决策树,贝叶斯网络和基于经验规则的建模。因此,如何构建可解释透明的深度学习模型就显得愈发重要,这也是当前科研领域正在破解的难题之一。

3 制造业

对于诸葛亮,有这样一句话描述,“运筹”帷幄,决胜千里之外。而在现代,“混合整数规划”,亦有“运筹”帷幄职之能。这里的运筹,我们简单理解为运筹学,包含诸如普通线性规划,整数规划,混合整数规划,蚁群算法,遗传算法等,而对于现代工厂,企业而言,其复杂的业务系统,一般需要使用混合整数规划来进行建模。


因此对传统制造业建模而言,同结构化数据建模和非结构化数据建模又有所不同,在传统制造业中,资源是限定的,市场需求是需要满足的,而从资源到市场中间所触及的原材料到成品的过程是复杂和高度相关的,这就限制了传统机器学习,以及现如今比较火的深度学习的使用,一个国内发展尚还弱小,但是很必要的学科就发挥了作用—运筹学,目前笔者主要接触的是使用混合整数规划对其进行建模,触及分支定界,启发式搜索等算法,存在多目标求解,NP-Hard等诸多调整和问题,时间复杂度和空间复杂度是一个绕不开的坎,现实情况下,约束较多,基础数据量大,致使问题规模甚至会上升到百亿级别,出现有限时间内无法求解的情况,即使通过一定的处理,也会存在求解时间过久的问题,这在实际使用上就显得略为鸡肋,对于混合整数规划建模来讲,解释性强,业务建模契合度更高,在硬件固定的情况下,如何通过算法改善时间和空间复杂度呢?因此如何在保障贴合业务需求的基本要求下,巧妙的设计模型框架也显得尤为重要。

4 综述

非结构也好,结构也好,运筹建模也好,都是现代数字化建设的要求,虽说业务不同,领域不同,但都是通过对业务赋能,达到降本,增效,创收的目标。算法之路漫漫,笔者学时有限,欢迎各位大佬指教。

-END-

分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
超级nice便签砖
超级超级超级奈斯!
1000羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
一个数据人的自留地
数据人交流和学习的社区,关注我们,掌握专业数据知识、结识更多的数据小伙伴。
确认要消耗 0羽毛购买
非结构化建模VS结构化建模VS传统制造业建模吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接