内容理解顾名思义，是对内容的理解工作。
内容行业根据创作者类型将内容做了不同划分。PGC（Professionally Generated Content）指专业生产内容、专家生产内容。UGC（User Generated Content）指用户原创内容。
理解实践中，我们会把围绕一篇内容产生的所有表征和语义做最全面的理解工作，不论PGC还是UGC，不管是图文还是视频，无关正文还是评论，都是理解工作的重点。
为什么要做内容理解？和谐文明、健康积极、规范有序的网络环境，是各家内容平台建设发展的前提。
而内容生产者创作水平、传播目的各不相同，内容消费者认知能力、接受程度无法把握，直接带来的影响是，有大量违法违规、低质垃圾、广告诱导、令人反感等严重影响用户体验的内容混入，难以甄别。
为了将上述低质内容有效剔除，除了最低效的人工审核，人工智能的配合成为内容处理的新的依赖。通过机器建模与审核团队的配合，保证内容平台安全、优质、高效。
即理解维度足够全，理解粒度足够细，内容处理更可控，内容推荐更精准。
如何对内容进行理解并应用？广义的内容理解，根据其不同应用目的，我把它分为工程能力、内容安全、低质内容、优质内容、与特征理解。
01工程能力
人脸识别
影视识别
OCR识别
02 内容安全
03低质内容（以标题党为例）
标题党的理解是个相对来说偏向主观的工作，受用户的教育经历、表达习惯、接受程度等多方面因素影响，很难达成一个定义的标准。
经过大量的阅读与总结，我把常见的标题党类型提炼为以下多种。
而基于规则的过滤是无法满足内容平台对标题质量的要求的，这时NLP的价值便发挥出来。
04优质内容
我们在使用一个资讯产品时，除了希望在百无聊赖的时候有内容用于消遣，更多希望在此产品获取到新鲜资讯用以了解时事、紧跟社会。而对内容平台来说，热点内容的精准捕捉，便是突显产品优势的一个重要维度。
05特征理解（以内容分类为例）
特征理解是深度学习的广泛运用之一，是对文本按其内容进行分类。
资讯行业一般会对内容作300-500个分类，包括一级分类（如游戏）、二级分类（如手游、端游等）、三级分类（如MOBA、PUBG等），部分平台会将三级分类分得更细（如王者荣耀、绝地求生等）。
三级分类的精细理解，一定程度已经类似一个tag的使用，辅助用户的历史行为和画像，在推荐时往往能产生更好的阅读表现。（如手机厂商的信息流产品，可以采集到设备上的app安装，对一个安装了“王者荣耀”的用户，推荐王者荣耀相关的资讯内容是一个可行的探索）
对分类的预测是做成互斥的二分类模型，还是多分类模型，是需要特别去考虑的。二分类模型应用时推荐置信度更高，但召回相对离散，即被预测为“古装剧”的内容，不会被“动作片”召回；而多分类模型便可将“妻子的浪漫旅行”预测为“综艺”和“旅行”两个分类，推荐场景便增加了更多可能。
以上介绍仅为各个理解维度的一些项目示例，根据内容类型，我将常见的一些理解工作简单概括如下。
