據(jù)目測(cè)，評(píng)論區(qū)是中國(guó)文學(xué)大師密度最高，罵人水平最高和逗逼水準(zhǔn)最高的地方，A站B站還把評(píng)論玩成彈幕。

　　平臺(tái)型APP因“評(píng)論”文化的迥異，體現(xiàn)出別樣的審美與趣味，知乎體、爺青回，成為“時(shí)髦”的暗號(hào)。

　　在宏觀層面，“網(wǎng)民評(píng)論”被定義為具有輿論屬性和廣泛的社會(huì)動(dòng)員能力。所以，排查、約談、暫停、整改、審核也都是管理機(jī)構(gòu)的常用“大錘”。

　　評(píng)論區(qū)，是難以忽視的公共地區(qū)。

　　有一批活躍的、對(duì)社區(qū)品牌有認(rèn)同，并產(chǎn)生大量?jī)?yōu)質(zhì)內(nèi)容的用戶(hù)，是社區(qū)的福氣。

　　表面上 “評(píng)論區(qū)”肩負(fù)社區(qū)氛圍組的重任，是互聯(lián)網(wǎng)“公共場(chǎng)所”。

　　背地里，分享意見(jiàn)左右消費(fèi)決策，進(jìn)而影響生意。（根據(jù)英國(guó)政府的數(shù)據(jù)，僅在英國(guó)，在線(xiàn)評(píng)論每年就影響了約280億美元的酒旅預(yù)訂交易。）

　　而評(píng)論區(qū)不是烏托邦：

　　大眾點(diǎn)評(píng)（數(shù)量質(zhì)量都不高，沒(méi)營(yíng)養(yǎng)的口水評(píng)論多）

　　小紅書(shū)（水軍多，付費(fèi)版高級(jí)測(cè)評(píng)師云集）

　　淘寶（數(shù)量多，看得累，返現(xiàn)金，得好評(píng)）

　　馬蜂窩（偷偷搬運(yùn)別人家的評(píng)論據(jù)被實(shí)錘了）

　　這不是單一現(xiàn)象，外媒CNN甚至拋出一個(gè)數(shù)字：全球互聯(lián)網(wǎng)，七分之一的酒旅在線(xiàn)評(píng)論是假的。

　　“評(píng)論區(qū)”青山常在，柴不斷，就繞不過(guò)人工智能（AI）的重要方向，自然語(yǔ)言處理（NLP），讓計(jì)算機(jī)像人類(lèi)一樣對(duì)“中文/文字”進(jìn)行理解。

　　群眾高呼，請(qǐng)AI緊急上線(xiàn)，內(nèi)容檢測(cè)、水軍識(shí)別、臟話(huà)刪除、不良內(nèi)容處理。

　　01、自然語(yǔ)言處理技術(shù)，挺行的

　　話(huà)說(shuō)，NLP技術(shù)在互聯(lián)網(wǎng)大廠已經(jīng)用得非常好了，搜索、推薦、廣告、智能助理等許多系統(tǒng)中都有身影，技術(shù)團(tuán)隊(duì)緊咬學(xué)術(shù)前沿。

　　先看工業(yè)界，新東方教育2018年就開(kāi)始有學(xué)員用戶(hù)畫(huà)像項(xiàng)目，進(jìn)行等級(jí)分類(lèi)。NLP技術(shù)對(duì)相關(guān)結(jié)構(gòu)化數(shù)據(jù)文本，數(shù)據(jù)標(biāo)簽化，并增加用戶(hù)圈選和行為事件分析功能，各個(gè)業(yè)務(wù)部門(mén)可以根據(jù)標(biāo)簽圈選學(xué)員。

　　汽車(chē)之家機(jī)器學(xué)習(xí)小組，為機(jī)器之家用戶(hù)產(chǎn)品中心下屬認(rèn)知智能組，NLP技術(shù)支持用戶(hù)選車(chē)，多輪對(duì)話(huà)。

　　2020年，京東智聯(lián)云在雙十一的第一個(gè)小時(shí)，情感智能客服服務(wù)138萬(wàn)次，使用情感識(shí)別、語(yǔ)音交互等智能化技術(shù)。

　　美團(tuán)搜索，用機(jī)器理解用戶(hù)的各種查詢(xún)意圖?？墒?，用戶(hù)意圖會(huì)隨著時(shí)間變化，在有限的關(guān)鍵詞中解讀出非常豐富的信號(hào)，用于各種搜索的召回、排序以及展示。美團(tuán)專(zhuān)門(mén)設(shè)有人工智能平臺(tái)/搜索與NLP部門(mén)。

　　再者，美團(tuán)大腦挖掘、關(guān)聯(lián)各個(gè)場(chǎng)景數(shù)據(jù)，用人工智能算法讓機(jī)器“閱讀”用戶(hù)針對(duì)商戶(hù)的公開(kāi)評(píng)論，理解用戶(hù)在菜品、價(jià)格、服務(wù)、環(huán)境等方面的喜好，構(gòu)建人、店、商品、場(chǎng)景之間的知識(shí)關(guān)聯(lián)，可以認(rèn)為是“餐飲娛樂(lè)的知識(shí)大腦”，支持搜索、SaaS 收銀、金融、外賣(mài)業(yè)務(wù)服務(wù)。

　　作為一種非結(jié)構(gòu)化文本，用戶(hù)評(píng)論蘊(yùn)含了大量非標(biāo)準(zhǔn)表達(dá)的“單詞”。

　　機(jī)器根據(jù)句子所在上文的一系列“單詞”，預(yù)測(cè)后面會(huì)跟哪個(gè)“單詞”，預(yù)測(cè)的是概率大小，句子里面每個(gè)“單詞”都有個(gè)根據(jù)上文預(yù)測(cè)的過(guò)程，把所有這些“單詞”的產(chǎn)生概率乘起來(lái)，數(shù)值越大，代表這句話(huà)越像一句人話(huà)，而不是鬼話(huà)或者胡話(huà)。

　　所以，除了人類(lèi)，機(jī)器也可以判斷，哪個(gè)句子更像一句人話(huà)。

　　“黃鶴樓”一詞，可能有三個(gè)意思。武昌蛇山之巔的名樓，北京的商家，湖北香煙品牌。AI算法也不傻，預(yù)測(cè)則可結(jié)合上下文，前文在講長(zhǎng)江、景點(diǎn)、旅游、票價(jià)、登高遠(yuǎn)眺，就不會(huì)推測(cè)出此處的“黃鶴樓”是在講香煙，而是景點(diǎn)的概率更大。

　　再比如貓眼文娛，可以獲取電影、電視劇、藝人等信息，形成一部“詞典”。但是隨著搜索體量增大，搜索表述復(fù)雜，詞典滿(mǎn)足不了用戶(hù)需求，就會(huì)使用AI模型，作為詞典的補(bǔ)充。

　　再看學(xué)術(shù)界，誕生了名叫Transformer的模型（一種深度神經(jīng)網(wǎng)絡(luò)），基于Transformer的 BERT模型（2018年技術(shù)重大進(jìn)展），GPT模型（硅谷OpenAI實(shí)驗(yàn)室出品），它們都使用預(yù)訓(xùn)練和微調(diào)的思路來(lái)解決問(wèn)題。

　　預(yù)訓(xùn)練語(yǔ)言模型，就像在無(wú)標(biāo)注文本的大海里，學(xué)到潛在的語(yǔ)義信息，而無(wú)需為每一項(xiàng)任務(wù)單獨(dú)標(biāo)注大量訓(xùn)練數(shù)據(jù)。語(yǔ)言模型預(yù)訓(xùn)練結(jié)束，再使用少量標(biāo)注語(yǔ)料進(jìn)行微調(diào)（Fine-tuning）來(lái)完成具體的NLP任務(wù)，比如分類(lèi)、序列標(biāo)注、句間關(guān)系判斷和機(jī)器閱讀理解等。

　　總之，算法的“性能”得到顯著改善，BERT做大了NLP技術(shù)的蛋糕。

　　02、運(yùn)營(yíng)組，也挺行的

　　《親愛(ài)的數(shù)據(jù)》和幾位互聯(lián)網(wǎng)大廠的運(yùn)營(yíng)小哥哥聊了一會(huì)，各家“評(píng)論”的運(yùn)營(yíng)花了很多心思。

　　抖音的評(píng)論區(qū)是雙軌制，既有最熱的評(píng)論，也有最新的評(píng)論。最新的評(píng)論可以理解為一個(gè)小池子，根據(jù)用戶(hù)的點(diǎn)贊數(shù)量，來(lái)看要不要繼續(xù)推。這樣能保證發(fā)得比較晚的神評(píng)論也能排上來(lái)，屬于推薦思想在評(píng)論區(qū)的一種應(yīng)用。

　　抖音搜索是有考慮過(guò)識(shí)別到評(píng)論區(qū)如果提問(wèn)的人比較多，會(huì)有提示搜索的建議。但路徑太長(zhǎng)，直接改成了目前的高熱社會(huì)類(lèi)視頻下面，加一個(gè)今日頭條的文章鏈接。

　　常見(jiàn)的處理評(píng)論區(qū)數(shù)據(jù)的方法是結(jié)構(gòu)化，電商和酒旅APP都對(duì)幾十億條評(píng)論區(qū)做了結(jié)構(gòu)化處理，這里是指對(duì)數(shù)據(jù)做結(jié)構(gòu)化處理，因?yàn)橛?jì)算機(jī)能處理的都是結(jié)構(gòu)化的，非結(jié)構(gòu)化的數(shù)據(jù)它理解不了，所以文本在涉及到“理解”這一層，都是需要先結(jié)構(gòu)化。

　　NLP分析了評(píng)價(jià)，提煉了“分詞”，加了結(jié)構(gòu)化的外展，相當(dāng)于找到了“標(biāo)注”，提高了用戶(hù)瀏覽評(píng)論的效率。英雄所見(jiàn)略同，用戶(hù)理所當(dāng)然的認(rèn)為，人數(shù)越多，觀點(diǎn)越可信。

　　日常中，在淘寶購(gòu)買(mǎi)一款升降桌，“安裝效果好”“質(zhì)量好”“用后感覺(jué)好”。選酒店的時(shí)候，你能看到多少人提到了“便宜”、“舒適”，又有多少人提到了“安靜”“交通方便”。

　　很顯然，消費(fèi)+社區(qū)的評(píng)論會(huì)有門(mén)檻，淘寶、小紅書(shū)、大眾點(diǎn)評(píng)、馬蜂窩等。商品沒(méi)下單，沒(méi)經(jīng)歷的用戶(hù)不能參與評(píng)論。

　　看熱鬧的是外行，探店的往往是內(nèi)行，平臺(tái)會(huì)傾向把好評(píng)往前排，促進(jìn)轉(zhuǎn)化，消費(fèi)后的訴求也會(huì)偏多，需要專(zhuān)門(mén)的回應(yīng)，處理。純娛樂(lè)、純討論的社區(qū)，參與評(píng)論的門(mén)檻低，抖音、快手、B站、芒果、豆瓣。

　　一般來(lái)說(shuō)，電商評(píng)論運(yùn)營(yíng)得好，有賣(mài)貨的訴求，大家聊的都是和商品相關(guān)的。

　　小紅書(shū)的鐵粉認(rèn)為，雖然很多評(píng)價(jià)都是花錢(qián)買(mǎi)的。大V粉絲量多了就會(huì)接廣告。但是，小紅書(shū)整體測(cè)評(píng)感比較強(qiáng)，和無(wú)腦水軍還不太一樣，即使是托兒，也寫(xiě)得很誠(chéng)懇。

　　評(píng)論是“UGC（用戶(hù)生產(chǎn)的內(nèi)容）”，既真實(shí)，又新鮮，可以挖掘出潛在商業(yè)價(jià)值。對(duì)用戶(hù)來(lái)說(shuō)，人人都需要“真實(shí)”而且“好用”的評(píng)論，無(wú)論是“經(jīng)驗(yàn)”“干貨”，還是“指南”。

　　03、為啥沒(méi)有管好“評(píng)論”？

　　技術(shù)這么硬，起點(diǎn)這么高，為啥還管不好“評(píng)論區(qū)”。

　　這里，有三個(gè)絆腳石：第一，評(píng)論數(shù)據(jù)質(zhì)量特別差，注意“特別”兩字。

　　數(shù)據(jù)治理水平低導(dǎo)致人工智能算法在很多時(shí)候效果不好。算法效果的好壞，與訓(xùn)練數(shù)據(jù)有很大關(guān)系，可以說(shuō)一份好的標(biāo)注數(shù)據(jù)，用一個(gè)普通的算法，也能有好的性能。現(xiàn)實(shí)中，企業(yè)想要做好 NLP，首先需要打通基礎(chǔ)數(shù)據(jù)。評(píng)論數(shù)據(jù)的底子太差，麻袋上繡花，白費(fèi)勁。

　　第二，“假裝”在用。

　　反正大家都在智能化，裝也得裝著在用。把AI技術(shù)用起來(lái)，是“老板們”的剛需。有時(shí)候，工程會(huì)退化到自動(dòng)化階段，只是少部分用了算法智能。目前做得多的，也就是情感傾向分析，垃圾評(píng)論過(guò)濾等等。AI用不好，會(huì)變成噱頭，可能倒退到最基礎(chǔ)的統(tǒng)計(jì)分析圖表。

　　第三，不重視。

　　很多互聯(lián)網(wǎng)廠商認(rèn)為，評(píng)論區(qū)是第二場(chǎng)景，有些二等公民的意味。

　　說(shuō)白了，不夠重視，或者說(shuō)支持主要業(yè)務(wù)“（推薦和搜索）”的技術(shù)還做得不夠好，根本顧不上評(píng)論區(qū)。挖掘得不夠，應(yīng)用的深度和廣度不夠。管理評(píng)論的主動(dòng)力之一就是只是滿(mǎn)足政府管理部門(mén)的監(jiān)管要求。

　　綜上，NLP技術(shù)對(duì)運(yùn)營(yíng)的號(hào)召力還不夠大，影響還不夠深刻，NLP與運(yùn)營(yíng)還沒(méi)有形成彼此不分的魚(yú)水關(guān)系。

　　英國(guó)南安普頓大學(xué)畢業(yè)的AI算法科學(xué)家袁雪瑤，也在采訪(fǎng)中透露：“互聯(lián)網(wǎng)廠商會(huì)針對(duì)用戶(hù)發(fā)布的評(píng)論內(nèi)容有半人工識(shí)別，加上人工的數(shù)據(jù)標(biāo)注。NLP現(xiàn)在比較成熟的領(lǐng)域有，情感分析、輿情分析、和用戶(hù)畫(huà)像，這些會(huì)對(duì)運(yùn)營(yíng)有比較適中的影響?！保ɑ谏疃葘W(xué)習(xí)的情感分類(lèi)方法，它能夠從海量的數(shù)據(jù)中主動(dòng)學(xué)習(xí)文本中的語(yǔ)義信息并獲得文本的特征與情感分類(lèi)，達(dá)到精準(zhǔn)提取文本數(shù)據(jù)與情感的目的。比如“消極”“積極”）

　　一位來(lái)自平安智匯企業(yè)有限公司的算法專(zhuān)家也認(rèn)為：“評(píng)論里，口水多，分析就是得把其中有價(jià)值的給自動(dòng)篩選出來(lái)。NLP技術(shù)正在解決問(wèn)題，還做不到藥到病除。”

　　“適中”一詞用得特別好，NLP還有很大的戰(zhàn)場(chǎng)，要與運(yùn)營(yíng)做盟軍，攻克業(yè)務(wù)側(cè)的難題。

　　評(píng)論中使用的挖掘技術(shù)方法也包含了很多種，規(guī)則、傳統(tǒng)機(jī)器學(xué)習(xí)模型、深度學(xué)習(xí)模型等。

　　雖然專(zhuān)職挖掘“評(píng)論”商業(yè)價(jià)值的明星AI產(chǎn)品似乎還沒(méi)有出現(xiàn)，但是，有人注意到了。

　　東京大學(xué)的創(chuàng)業(yè)企業(yè)TDAI Lab認(rèn)為應(yīng)該面向點(diǎn)評(píng)網(wǎng)站等推銷(xiāo)人工智能工具。

　　他們分析了4000多個(gè)日式拉面餐廳的評(píng)論，發(fā)布了東京版“人工智能排名，最優(yōu)百家拉面店”。

　　在剔除疑似“刷好評(píng)”和“惡意差評(píng)”的情況下，人工智能選出了評(píng)價(jià)高的店鋪。

　　分析“評(píng)論區(qū)”不立刻關(guān)乎生死，又能給企業(yè)降本增效的場(chǎng)景不應(yīng)該被忽視。

　　AI 技術(shù)需要算力，需要數(shù)據(jù)，需要算法模型，更需要應(yīng)用場(chǎng)景。很多AI公司一開(kāi)始就想給高速列車(chē)換輪子，以這種雄心壯志去敲開(kāi)傳統(tǒng)企業(yè)的大門(mén)成功率很低，因?yàn)榭蛻?hù)對(duì)新技術(shù)和AI公司都沒(méi)有信任。

　　刷好評(píng)和惡意差評(píng)，消費(fèi)者和餐飲店都有損失。消費(fèi)者找不到好店，好店也失去了商機(jī)。

　　1968年，哈定（Garrett Hadin）在《科學(xué)》雜志上發(fā)表了一篇文章，題為T(mén)he Tragedyof the Commons。譯成《公地悲劇》，原文中的the commons還包括公共的空間。

　　評(píng)論區(qū)環(huán)境的惡化，沒(méi)有人是贏家。

　　AI審核、AI接管評(píng)論區(qū)是必然趨勢(shì)，“評(píng)論”需要才華，管好“評(píng)論”更需要才華。