接下来，我们从一般请求流中任意提取一定数量的请求到 Yandex，并为它们删除 SERP。事实证明，只有 8.7% 的 SERP 是空的，所以我们有了互联网第 34 条规则的修正版：

以下是完全无害的包含色情内容的查询示例（其中一些甚至有很多）：[西瓜]、[翼手龙]、[学生节]、[栗子]、[美丽的俄罗斯房屋照片], [伦蒂克]。这说明了任务远非微不足道的事实。

大约 91.3% 的内容已经包含色情内容

为了解决这个问题，不当内容分类组使用了大量的各种工具、技术和库——其中有 Vowpal wabbit、Word2vec 和 Yandex 自己的技术，如 MatrixNet、DaNet、Ethos。

也有各种各样的方法来建立关于哪个文档需要首先重新检查的假设。例如，我们可以在不同类型的内容之间，在查询和 意大利手机号码列表 文档之间传递标签，或者，例如，每个人都知道我们可以搜索相似的图片。如果我们拍一张我们不知道它是什么类别的照片，找到所有相似的图片并收集图片附近的所有文字，那么我们就有机会发现这张图片实际上是一张色情图片，因为文字此图片的其中一个版本是色情内容。

视频中还使用了一个有趣的“hack”。如果用户在色情会话中，比如说，第一个视频是色情视频，第三个视频也是色情视频，那么第二个视频很可能也不是关于小猫的。我们可以使用它。

但是点击是一个不好的信号。色情有这样一个特点，即使你展示了一个完全不符合色情要求的色情文件，你也很有可能会收到这个文件的点击。色情的点击率异常高。

所有这些工具和技巧如何帮助我们

我们有一个成人泄漏指标——我们抽取请 cz 列表 求样本，从中删除色情请求，留下大约 10,000 个请求并将它们交给评估人员进行标记。这些请求的评估员标记在顶部，然后我们将色情文件的数量除以标记中所有文件的数量。幻灯片上显示的这个指标的值告诉我们，100,000 份文件中只有 85 份是色情文件。这似乎是一个很好的结果。但正如他们所说，完美无止境，此外，不应忘记存在所谓的灰色地带，在搜索中会出现大量问题。