技术原理

从原理上看，传统关键词和正则表达式是字符级别的，需要查找具体的字或词；非正则方案（如下图）则是句子级别的，首先需要通过人工标注上千条数据训练质检项模型，然后通过模型判断一个新的对话是否命中了该模型。

核心指标

召回率，即是否“找得全”；准确率，即是否“找得准”。与传统正则方案相比，基于AI算法模型的非正则方案，在召回率上具备显著优势，这意味着非正则方案可以找得更多潜在的违规项，帮助企业降低违规风险。  

生产成本

与大家的固有认知相反，AI质检项具备更低的生产和维护成本，因为AI质检项的生产通常仅需要一个无任何基础的普通人进行一天的标注（两三千条）；而编写和维护正则代码库，则需要既懂业务又懂正则的专业人才，花费一周的调试时间才行。

效果对比

以质检项“恐吓威胁”为例，传统正则的方案找出了 174 条正确的违规对话，而新的非正则方案则找出了 1596 条。找出的违规项越多，遗留的风险就越小，从风险指数的角度看，非正则方案将风险降低至 1/9。