主動發現率
上次更新日期 2023年2月22日
這項衡量指標顯示在所有受處置的內容或帳號中，我們在用戶檢舉前便已先發現並加以處置的比例。我們根據此衡量指標來評估我們偵測違規內容的成效。
我們對機器學習技術投注的心血對協助加快偵測速度至關重要。
我們同時運用機器學習以及負責審查違規內容和進行處置的專業專家團隊，並在兩者間取得平衡。
針對某幾種違規內容，我們能主動偵測到潛在違規內容的比例極高，這表示我們能在用戶檢舉前先找出大部分違規內容並加以處置。當我們能建立機器學習技術，自動找出可能違反《社群守則》的內容，這一點更是顯而易見。
機器學習技術前景看好，但要有效應用於所有種類的違規內容上，還需要幾年時間。例如，若要瞭解相關資訊及微小差異，對機器學習技術來說仍有其限制，尤其是以文字為主的內容。這項限制會讓系統在主動偵測某些違規內容時面臨更多挑戰。
這項衡量指標可能會受外部因素影響而上升或下降。舉例來說，假設在一次網路攻擊期間，垃圾訊息發送者分享了 1,000 萬則包含同一個惡意網址的貼文。若我們在用戶檢舉前便先偵測到惡意網址，在網路攻擊期間，主動發現率便會上升，並在攻擊結束後下降，即便我們的偵測技術在此期間並沒有任何改變。這項衡量指標也會隨著我們處理流程及工具的改變而上升或下降。例如，若我們的偵測技術提升，這項指標便會上升；但若用戶提出檢舉的次數增加，使我們依賴主動偵測的比例減少，這項指標就可能下降。
由於這項衡量指標是根據處置的內容數量計算而得，有多項相同因素都應納入考量。主動發現率無法反映偵測到違規內容所需的時間，或是該內容在被偵測到之前的瀏覽次數。這項衡量指標也不能反映未偵測到的違規次數，以及此類違規內容的瀏覽次數。我們主動偵測到違規內容的比例可能很高（部分類別可高達 99%），但即便沒有偵測到的違規內容比例極低，仍可能對用戶產生極大的影響。
主動發現率的計算方式
我們計算這項比率的方式如下：將我們在 Facebook 或 Instagram 用戶檢舉前，就先發現問題並加以處置的受處置內容數量，除以我們採取處置措施的內容總數。
至於 Facebook 假帳號的主動發現率，則是計算在用戶檢舉前，我們就先發現並加以處置的停用 Facebook 帳號比例。這項比率的計算方式如下：將我們在用戶提出檢舉前，就先發現並加以處置的停用帳號數量，除以我們停用的假帳號總數。
注意事項
我們採用嚴格的用戶檢舉歸因方式來計算主動發現率。舉例來說，若用戶檢舉某個粉絲專頁，而我們在審查該專頁時，發現其中的某些違規內容並加以處置；若沒有其他用戶特別針對這些內容提出檢舉，我們便會在報告中將這些內容列為主動處置的內容。
查看最新的《社群守則執行狀況報告》