*敏*感*词*识别的几种特征库，你了解吗？

　　*敏*感*词*识别的几种特征库，你了解吗？

　　采集器采集源数据，如手机用户的行为等。由于采集器采集的数据类型有限，所以推荐开启别人的*敏*感*词*照片可能不是安全或高质量。这时候就需要模拟人脸抓取数据了。

　　目前市面上的采集产品都是通过手机照片进行搜集，像推荐使用腾讯地图或高德地图的rds等数据库，虽然说可以rd身份，一键匹配，但是每天的作业量还是很大的，目前未能有效的针对*敏*感*词*进行联网验证，而采集人脸数据库就可以达到1秒以内，有效防止了作弊或伪装，目前都还处于发展阶段，但是*敏*感*词*中的采集需求还是很强烈，加上浙江省地铁apec消息、优采云的实名制、网约车试点等一系列政策，都还是比较有前景的，

　　接下来我会把我知道的和自己了解的知识与大家分享。*敏*感*词*识别这块儿是日益紧俏，因为安全性，距离世界领先还有距离。目前流行的有三种机器学习算法：nn模型，cnn模型，mlp模型。首先nn算法就是神经网络。它能够提取图像关键信息如长宽比、边缘、颜色、噪声、姿态以及位置等特征。这些特征不仅可以用来判断分类，还可以用来判断目标是否是你提取的特征。

　　所以有好多人要求做个*敏*感*词*数据库。简单给大家看下这几种特征库，图上也标注了特征类型，大家可以自己看下：cnn模型：它包含三维卷积和convnet，这种算法能够提取更加多样的特征以及具备更高的鲁棒性。nn模型是深度学习兴起前出现的模型，在图像领域已经有很长的时间。mlp模型：广泛应用于自然语言处理、多媒体等领域。

　　发明的人叫facenet，embedding是模型的传递，各种lm，各种nn，一大堆都是这种。我们到目前为止只能去搞清楚这三种算法的优缺点，但是据说百度地图是神马个思路：使用人脸抓取和随机通过位置去匹配特征，这样可以减少计算量，且每次用户的行为数据进入，就可以推送位置数据到各个平台（对于目前不能全平台覆盖的bat三大巨头来说，这个算法真的还是有点坑爹，并且这里采集的数据格式肯定不是百度所想的apec实名制坐标）。

　　但是即使采集人脸数据，采集是直接使用的百度的场景数据，那么它的精准度又如何呢？这个模型将手机的各个*敏*感*词*，一直设置在那台手机，这样抓取的iv值就不会超过1，这种算法是存在质量上的问题，那么大家在进行*敏*感*词*的抓取时候也会遇到问题，通过我们对安卓系统的抓取进行对比分析：安卓抓取图片放大如果出现变形等情况时，百度就无法正确抓取。

　　至于它能够识别*敏*感*词*里面的什么信息，这个方面主要需要百度深度学习芯片来解决。百度这个采集公司非常的庞大，从其中进行总结能够发现规律，发现了问题，再进行对数。