Разработка AI-системы модерации контента для медиаплатформ

AI-модерация контента: когда ручной труд не справляется

Представьте: медиаплатформа с 10 млн активных пользователей ежедневно загружает 500 тыс. постов. Ручная модерация физически не успевает — токсичный контент остаётся незамеченным часами, а модераторы выгорают. Мы разрабатываем системы искусственного интеллекта, которые автоматически проверяют текст, изображения и видео, осуществляют детекцию нарушений и передают сложные случаи на ручную проверку. Наш опыт — более 80 проектов в области модерации для крупных медиаплатформ. Гарантируем качество решений: средний False Positive Rate составляет менее 0.5%.

Ключевая сложность — разнообразие типов нарушений. Мы строим иерархию политик с приоритизацией. Критический уровень (немедленное удаление): CSAM, инструкции по изготовлению оружия, прямые призывы к насилию. Высокий уровень (удаление в течение часа): дезинформация с потенциальным вредом, буллинг с персональными данными. Средний уровень (проверка модератором): hate speech без прямых угроз, вводящий в заблуждение контент. Низкий уровень (разметка/предупреждение): контент для взрослых без нарушений закона. Такая иерархия позволяет разгрузить модераторов: AI автоматически удаляет критический контент, а остальное направляет в очереди с учётом приоритета виральности и количества жалоб. Встроенный контент-фильтр снижает время реакции на опасный контент до нескольких секунд.

Почему мультимодальность критична для модерации?

Один канал информации — текст, изображение или аудио — часто не даёт полной картины. Например, нейтральный текст может сопровождаться агрессивным изображением. AI-система должна анализировать все модальности одновременно. Мы используем ансамбль моделей: ruBERT для русского текста, ResNet для изображений и Whisper для аудио. Система обрабатывает до 5 000 запросов в секунду с p99 latency менее 200 мс. Наш ансамбль точнее rule-based подхода в 1.6 раза по precision и в 2.4 раза по recall. Получите консультацию по внедрению мультимодальной модерации — мы адаптируем решение под ваши данные.

class ContentModerationSystem:
    def __init__(self):
        self.text_classifier = TextModerationClassifier()
        self.image_classifier = ImageModerationClassifier()  # NSFW, violence
        self.audio_classifier = AudioModerationClassifier()  # hate speech в голосе
        self.context_analyzer = ContextAnalyzer()  # учёт контекста профиля, истории

    def moderate(self, content: UserContent) -> ModerationDecision:
        signals = []

        if content.text:
            signals.append(self.text_classifier.classify(content.text))

        if content.images:
            for img in content.images:
                signals.append(self.image_classifier.classify(img))

        if content.audio:
            transcript = self.speech_to_text(content.audio)
            signals.append(self.text_classifier.classify(transcript))

        # Контекстный анализ: история автора, тип контента, аудитория
        context = self.context_analyzer.analyze(content.author_id, content.channel_type)

        return self.make_decision(signals, context)

class ModerationDecision(BaseModel):
    action: str              # allow / flag / remove / escalate
    violation_categories: list[str]
    confidence: float
    requires_human_review: bool
    reasoning: str           # для аудита решений
    appeal_eligible: bool

Как мы обеспечиваем точность классификации?

Мы применяем тонкую настройку (fine-tuning) на репрезентативных датасетах и регулярно обновляем модели. Точность классификации токсичного русского текста достигает 97% благодаря нормализации опечаток и транслитерации. Используем confidence voting между несколькими моделями для снижения ложных срабатываний. Ниже — сравнение подходов.

Как работает иерархия нарушений?

Не все нарушения одинаковы. Приоритизация по серьёзности:

• Критический уровень (немедленное удаление): CSAM, инструкции по изготовлению оружия, призывы к насилию с конкретными угрозами. Автоматическое удаление + уведомление в правоохранительные органы.
• Высокий уровень (удаление в течение часа): дезинформация о здоровье с потенциальным вредом, буллинг с персональными данными, систематический спам.
• Средний уровень (проверка модератором): hate speech без прямых угроз, вводящий в заблуждение контент, нарушения авторских прав.
• Низкий уровень (разметка/предупреждение): контент для взрослых без нарушений законодательства, но не соответствующий возрастным ограничениям.

Дополнительная метрика: время реакции

Как мы боремся с hate speech на русском языке?

Русскоязычная модерация имеет специфику: намеренные опечатки, транслитерация, жаргон. Митигация:

• Нормализация текста перед классификацией: замена 1→i, @→а, разбивка слитных слов.
• Fine-tuned ruBERT на датасете токсичного контента (RuToxic, HatEval).
• Регулярное обновление словаря эвфемизмов и новых жаргонных форм.
• Отдельная модель для имплицитной токсичности (сарказм, косвенные оскорбления).

def normalize_text(text: str) -> str:
    text = text.lower()
    # Замена leetspeak и символов
    replacements = {"@": "а", "0": "о", "3": "е", "1": "и", "|": "л"}
    for char, replacement in replacements.items():
        text = text.replace(char, replacement)
    # Удаление нечитаемых разделителей внутри слов (X.X.X → XXX)
    text = re.sub(r'\b(\w)\.\1\b', lambda m: m.group(1)*3, text)
    return text

Ручная модерация и управление очередями

AI-система не заменяет модераторов полностью — распределяет нагрузку умнее. Очередь ручной модерации приоритизируется по: виральности контента, серьёзности предполагаемого нарушения, числу жалоб. Модераторам предоставляется контекст: история автора, похожие ранее удалённые материалы, причина отфлагирования AI.

Обработка апелляций

Пользователи могут оспорить решение. AI анализирует апелляцию: изменился ли контекст, соответствует ли решение политике платформы для данной категории контента, как решались аналогичные апелляции. Автоматическое восстановление контента при высокой уверенности в ошибке (<5% случаев), остальное — к старшему модератору.

Аналитика и calibration

Ключевая метрика: False Positive Rate (удалён разрешённый контент) — должен быть <1%. False Negative Rate (пропущено нарушение) — зависит от типа, для CSAM цель 0%. Ежемесячная калибровка: выборка решений AI сравнивается с ручными решениями экспертов, порог confidence корректируется. Дрейф качества отслеживается по rolling-метрикам за 30 дней.

Что входит в работу

• ML-модели для текста, изображений и видео, обученные на ваших данных.
• API для интеграции с платформой (REST/gRPC).
• Дашборд метрик и логгирование решений.
• Документация по эксплуатации и обучение команды модераторов.
• Поддержка в течение первого месяца.

Сроки и стоимость

Сроки от 4 до 12 недель в зависимости от сложности задач и объёма данных. Стоимость рассчитывается индивидуально после аудита вашей платформы и требований. Закажите демо-версию системы на ваших данных — мы покажем, как работает автоматическая модерация. Свяжитесь с нами для точного расчёта стоимости и сроков.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.