传媒资讯分类总出错？智能算法提升准确率至98.7%

　　线上报警那一刻，我正把咖啡杯底最后半口晃荡着往嘴里送——凉透了，跟昨天没喝完的那杯一模一样。运维老张在 Slack 里甩了条红字：「分类服务 p99 跳到 2.8s，error rate 破 12%」。我没点开监控页，直接切到日志流，扫了一眼 error message 里那个熟悉得让人反胃的 `category_id = 0`。又是它。不是 bug，是“默认兜底”。可这兜底兜得比去年双十一前夜我穿的那双拖鞋还松垮。

文章配图，仅供参考

　　前端小杨十秒后打进来，语音里带着刚改完三版瀑布流的哑嗓：“哥，‘国际’频道下蹦出七条娱乐八卦，用户截图发微博了，产品经理在群里问我们是不是想转型做狗仔队……”我嗯了一声，手指还在键盘上敲着 `grep -n "category_id.0" /var/log/classify/.log`，结果弹出来三百二十七行。窗外天黑了，路灯亮得有点早，像赶场似的。

　　我原以为是训练数据脏，结果扒了三天样本池，发现不是数据乱，是规则层那套 if-else 骨架太老——2017 年写的，当年连 BERT 都没开源，靠人工配关键词+TF-IDF+几个阈值硬撑。现在标题里但凡带“曝”“疑”“突发”“独家”，不管后面接的是叙利亚战况还是明星奶茶店打卡，全被喂进“社会”桶。产品经理上个月还说“你们模型不行”，我说不是模型不行，是当年写逻辑的人，把“传媒资讯”这个词理解成了“报纸头版扫描件”。

　　谁的键盘声很响。隔壁工位那个新来的实习生，敲空格键跟打 Morse 码似的，哒、哒、哒、停顿、哒哒。我烦得关了静音，切回灰度开关面板，把 new-classifier-beta 的流量从 5% 慢慢拧到 10%，然后盯着 metrics 里的 accuracy 曲线——它没跳，是缓升，像凌晨三点终于熬出点头绪的那种升法。其实根本没用什么大模型，就两层 BiLSTM + attention，加上对标题结构做了个显式建模：主语动词宾语位置权重拉高，时间状语和感叹号自动降权。说白了，就是教它别一惊一乍。

　　优胜劣汰？真不是玄学话术。是跑大半年，看旧规则在 3 月那波两会报道里集体翻车，新模型扛住了；是 6 月高考季，“教育部发布新政策”被分进教育，“考生撕准考证”被分进社会，而老逻辑把俩都塞进“时政”；是上周体育频道编辑发来一封带截图的邮件，指着一条“谷爱凌宣布转战滑雪电竞联赛”的假消息说：“这都能认出来是娱乐，你们是不是偷偷接了通义千问？”——我没回，因为压根没接。就是词向量在新闻语料里自己滚出来的分布偏移，碰巧跟人类经验对上了。

　　工单系统又弹了条消息：「用户反馈：财经频道出现两条宠物医疗广告，请查」。我顺手点了已处理。其实那俩广告压根不该进分类链路，上游清洗漏了，属于另一个团队的锅。但我不动，反正等他们排期修，至少还得四轮 CR，中间够我喝完两杯新买的挂耳（冷掉的那杯还在左手边，没扔）。

　　说到排期……上季度招了个 NLP 工程师，面试时聊特征工程聊了四十五分钟，临走问我：“你们分类模型有没有加 domain adapter？”我说有，叫 `if (title.contains("记者")) category = "media"`，他笑得差点把椅子带倒。后来入职第一周就在 review 我那行代码，标了 TODO：「建议重写」。我没删，就在下面补了句注释：“删了会触发老运营系统的兜底告警——那玩意儿不报错，只默默把所有 category_id = 0 的文章推上首页。”

　　其实最让我后怕的不是准确率卡在 98.7%，而是上线前夜，我跟运维老张对齐降级方案，他说：“要不你留个开关，万一炸了能秒切回旧逻辑？”我犹豫了两秒，没开。不是自信，是怕切回去之后，连这 98.7 也保不住——旧逻辑跑久了，训练样本里的噪声已经被当成本体用了，新模型学到的“干净模式”，一碰老数据就失准。所以现在它只能活着，在灰度里活，在日志里活，在产品经理每次想改口径时被我们拿 98.7% 挡一下。挺高，但没细看，也不敢细看。

　　前两天在茶水间碰见旧同事老周，他现在在另一家做短视频推荐。随口问起我们这分类的事，我说“换模型了”，他嗤一声：“早该换。不过你们那套‘传媒资讯’标签体系，是不是还分‘媒体视角’和‘公众视角’？”我愣住。还真分，是五年前产品提的需求，说是“帮算法理解传播动机”。但现在没人记得当初为啥要分，后台字段名写着 `viewpoint_type`，数据库里一半是 null，一半是 'media'，只有三条是 'public'——全是测试时写的。我翻过，没敢删。

　　手机亮了一下，是前端小杨发来新链接：“试了下新版，刚才‘特朗普宣布成立AI政党’这条分进国际了……但标题里没提美国啊。”我点开看了眼，URL 后缀是 `/intl/us/politics/...`，路径里带 us。哦，原来分类器偷偷吃了 URL 结构。这事儿我也不知道——模型导出时封装脚本里混进去的，谁加的？Git Blame 显示作者是 2022 年离职的测试工程师。算了，先不动。明天上午我打算抓一批误判 case 手动标一下，看看是不是又撞上某个没文档的隐式规则。或者……干脆去趟运维那边，问问能不能把分类服务的日志采样率调高点。再或者，先续杯咖啡。

（编辑：站长网）

【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!