随着互联网的繁荣，网络文本的数量如洪水般激增。由于来源多样和审核困难，这些文本中隐藏着大量的错误和违规信息。如何快速、准确地纠正错误文本，审核文本内容，同时识别和遏制违法违规内容，成为了当下重要的自然语言处理挑战。
文本内容审核的难点主要有：
1、问题类型多样，问题间重叠度高
以涉政文本为例，进一步可细分为危害国土安全、危害国际关系、反动辱华、宗教种族歧视、宣传邪教、政治污蔑、历史虚无主义等。同样的文本，可能同时属于辱骂和色情，或者同时属于色情和辱骂问题。
2、问题文本伪装对抗，难以检测
诈骗博彩类文本经常会采用变形字表达，常规的关键词检测难以捕捉。如：将加微信表达为“笳溦”、“加\/”、“+V”等。
3、问题文本和正常文本高度类似，难以判定
如“警方捣毁了葡京娱乐在线赌博网站”和“葡京娱乐在线欢迎您”。前者是正常的新闻报道，后者是赌博文本，使用关键词检测时前者也将会误报成问题文本。
在文本纠错和内容安全审核领域，匠数科技已持续深耕多年，积累了海量的数据，构建了庞大的知识图谱。同时，在文本纠错中，收集常见混淆集近万对词语，覆盖政务、新闻、娱乐媒体、微博评论等多个领域。
匠数科技依靠多年的行业积累，已经成为该领域的先行者。未来，匠数将继续深耕文本纠错和内容安全审核领域，跟踪CV、NLP领域的前沿进展，研发更加先进的文本纠错和内容安全审核系统，推动行业发展。
