智能质检新实践：“双模”质检

　　随着自然语言处理（NLP）领域技术的发展，以“非正则”质检模式为主、“关键词+正则”模式为辅的方案已成为未来发展趋势。两种模式将长期共存，因为它们各有其更擅长做的事情、更适配的场景。

　　在实际应用中，“关键词+正则”作为一种基础质检模式，越来越难以满足企业在质检效果和效率上的精细化需求。但是，这种模式也有它的优势：上手快。

　　当企业提出一个新的、此前从未用过的质检项时，质检项的标准尚未完全确定，因此可以用“关键词+正则”模式先跑起来，快速进行探索和迭代。其后根据初步探索和迭代的结果，再判断是否可以升级到基于深度学习技术的“非正则”模式。这是适配“关键词+正则”模式的第一种场景。

　　第二种场景：当一个质检项命中的目标通话量比较少，只有几百甚至几十条，就无法产生足够的“正例”给机器学习模型进行训练，只能继续采用“关键词+正则”模式。这是一种被动场景，也是比较常见的场景。

　　还有一种场景比较特殊：有些质检项命中的目标通话比较多，原则上可以用来训练机器学习模型，但是因为“关键词+正则”已经得出不错的结果，既找得全（术语叫召回率高），又找得准（术语叫准确率高），两个值都超过90%，那么暂时就不迫切需要升级到“非正则”质检模式了。比如很多企业需要的正向质检项——“礼貌问候”，因为可以穷举出大部分“礼貌问候”的用词，用“关键词+正则”模式就能得到双90%的结果。

　　不过，这种场景非常少见。大部分情况下，“关键词+正则”质检模式相比基于深度学习技术的“非正则”质检模式，在找全率和找准率上有很大差距。

　　在实际应用中，基于深度学习技术的“非正则”质检模式（原理细节可参考上一篇文章），可以大幅提升质检效率，更好地解决企业质检任务的痛点：传统“关键词+正则”的模式，很难找得全和找得准目标通话，大大影响工作效率——如果找不全，就意味着会遗漏很多目标通话；如果找不准，就意味着在人工复检时会浪费大量人力。

　　我们之前分享过实际对比的例子，贷后资产管理领域的基础质检项“恐吓威胁”，采用基于深度学习技术的“非正则”质检模式找出的违规通话量是“关键词+正则”的9倍。

　　考虑到在实际使用中，质检项与命中的目标通话量之间的关系也存在“二八法则”——20%的质检项贡献了80%的质检量，所以将质检量大的少数质检项升级到“非正则”模式，往往可以大幅提升整个质检任务的找全率和找准率。这是“非正则”质检模式的第一种适配场景，也是主要的适配场景。

　　第二种场景：某些质检项，虽然从某一家企业的角度看，所命中的目标通话量不算大，但是这个质检项是整个行业中较为成熟的、通用的质检项，其他企业也都在用，那么就可以采用基于深度学习技术的“非正则”模式进行模型训练。因为其他企业都可以比较快速的复用或者经过简单调整之后复用，所以“非正则”模式带来的收益就更高。比如，消费金融领域的正向质检项“提示逾期天数”；客服领域的负向质检项“暴露客户隐私”等都是各自领域或行业通用的。

　　与“关键词+正则”质检模式相比，基于深度学习技术的“非正则”模式，不再需要既懂业务又懂正则的稀缺人才编写规则和迭代规则，只需要普通人快速进行数据标注即可训练算法模型，而且通常能得到更好的效果。唯一显着的缺陷就是，如果没有数千条数据，很难训练出效果好的模型。

　　当前阶段，质检项应该采取哪种模式，主要取决于该质检项产生的目标通话量大小——通常数量大，才能快速标注数据、训练出更好的算法模型，采用“非正则”模式，否则仍需要继续使用“关键词+正则”模式。

　　其次也要考虑到质检项的成熟度——太新的、标准尚不明确的质检项，适合先用“关键词+正则”模式迭代起来，再决定何时升级到基于深度学习技术的“非正则”模式。

　　综合来看，在实践中采用“双模”方案，让两种模式各司其职，可以最大程度提升质检效率。