美团 - 招嫖用户治理 - 2020.10- 至今

• 点评和美团侧均有大量招嫖用户漏过，急需止血，降低前端漏过，对漏过分析后发现当前识别主要存在三个问题机审召回低、人审易漏过以及招嫖用户识别时效性差。
• 提高机审召回：招嫖内容之前主要使用内容模型和词库进行识别，但招嫖风险对抗性较强，内容模型易被绕过。于是分析招嫖用户的行为特征以及在业务、商户、用户下的统计特征，构建用户画像，补充实时策略，同时从设备聚集、联系方式聚集角度出发，开发设备黑名单和联系方式黑名单，防止招嫖用户绕过线上策略，招嫖用户漏过率从2%降低至0.05%。
• 提高识别时效和准确率：优化规则准确率，上线大量机禁策略，机禁率从25%提升至80%；上线大量招嫖用户实时识别策略，实时用户识别比例从37%提升至90%。

美团 - 涉黄综合模型开发 - 2020.06- 2020.08

• 涉黄图片标签漏过较高（标签漏过指涉黄内容被非涉黄规则召回），需要降低涉黄图片标签漏过，解决线上漏过问题。
• 通过分析发现，现有图片模型都是单独使用，阈值固定，并且图片的风险概率和具体业务、用户、商户都存在关联性，所以对业务特征、用户特征、商户特征进行提取，并结合线上涉黄图片模型、图片OCR识别结果，使用Xgboost模型开发涉黄图片综合模型。
• 日标签漏过量从614降低至226，降低比例63%