广告内容不适度会给公司带来法律和形象风险。例如，Facebook和eBay将数亿美元投入到追踪和屏蔽虚假新闻的项目中。在2018年的春天，Kaggle的网站上举办了竞赛，奖金总额达3.5万美元，数据分析专家的4551团队对危害性评论进行了分类。
要想内容适度，请考虑一下三种方法：
1，手动检查。但也正由于该方法有“人工因素”包含其中，使得这种方法低效且昂贵。在Ub市场等大型项目中是不会采用这种办法的。
2，半自动检查和基于规则的检查。但是半自动检查仅适用于结构、专门化很高的内容。对于内容高度可变的平台，手动设置所有的规则是不太现实的。
3，基于机器学习的检查方法。这是一种使用统计数据对内容进行分类的前瞻性方法。Ubcoin市场服务就运用到了这种方法。这种方式没有人为因素的干扰，并且会对抗现存实验样本中的突变数据。
人工智能Ubcoin市场解决的任务：
1，对符合法律要求的内容进行核实。一个人工智能神经网络通过分类检测毒品、武器、色情等内容之后，要么立即屏蔽广告，要么将其发送给专家。
2，伦理审查。Ubcoin市场不接受危害性评论、种族歧视或其他歧视性的内容。
3，检测重复广告。通常，重复广告是由骗子放置的，因此有必要追踪文本和图像的副本。
人工智能在Ubcoin市场的运作原理
Ubcoin市场中运用的人工智能的基础建立在三种机器学习模型上。
1，广告文本的处理采用了基于深度、双向递归神经网络的模型和一种将文本数据转换为特征向量-Word2Vec的算法。
2，采用基于RetNETs结构的深度神经网络对ImageNet图像进行预训练，并对自己的训练样本进行训练，以处理图像并揭示图像上的铭文内容。
3，输出使用了XGBoost算法，该算法基于决策树，并将可变数据考虑在内。
Ubcoin市场团队测试了GAN算法（生成对抗网络）。GAN是谷歌在2014年提出的一种方法，在这个方法中，没有一个神经网络被使用，而是两个“互相教导”。生成的对抗网络将允许在内容分类中达到一个全新的水平。
Ubcoin市场还将使用人工智能来完成个人推荐和打击欺诈的任务。为了做到这一点，它准备收集平台上用户行为的数据，并基于这些数据建立预测模型。
机器学习模型的问题在于它们的“过时”。为了使模型具有相关性并给出最佳的预测质量，需要定期更新培训样本和模型参数。为了做到这一点，Ubcoin市场团队计划使用来自开源和工作相关平台的数据，并在诸如“亚马逊土耳其机器人”这样的平台上进行标记。
人工智能Ubcoin市场的流程如下：
为了训练一个人工算法，一个训练样本被组装起来，包括相关的例子。在“教学”算法后，输入算法提供了文本和图形数据。在输出中，我们获得了一个类的值，它演示了广告是否包含表示违反规则的符号。
Ubcoin市场运用了一些技术手段，比如利用人工智能等技术来确保公司在21世纪的竞争力。
基于深度神经网络的人工智能，可以让Ubcoin市场在没有人为因素的情况下自动调节数百万个可变内容广告，并将业务的法律和道德风险降至最低。你可以在https://ubcoin.io/en上购买Ub币。
