Instagram允许用户管理评论 网络骚扰评论一扫空

简介:

北京时间9月13日早间消息,Instagram今天面向所有用户发布了一项新功能。用户将可以自行决定如何管理评论。

这一功能于今年7月首先面向企业账号推出。目前,Instagram的所有用户都可以使用订制的评论关键词黑名单。

通过这项功能,用户可以启用默认过滤列表,将不当关键词从评论中屏蔽。用户甚至可以订制过滤列表,过滤掉所有自己不希望查看的评论。这意味着,即使某些关键词并不被视为“滥用”,用户也可以将包含这些关键词的评论屏蔽。

目前,所有Instagram用户都可以在个人账号中进行这两项设置。有报道称,美国女星泰勒·斯威夫特(Taylor Swift)在这一功能发布之前对其进行了测试。

Instagram此前还推出了其他评论管理工具,例如滑动删除评论,报告不当评论,以及屏蔽某些用户的帐号。这些功能非常重要。Instagram内容默认公开,而用户常常在这一平台上分享个人照片。因此,Instagram的评论中很容易出现不恰当言论。

与此同时,Instagram也在优化其他的评论体验。目前,当用户在消息流中查看内容时,内容下方的评论预览将不再是最近两条评论,这些评论会更个性化,相关性更强。与Facebook类似,这意味着你将优先看到来自好友的评论。

本文转自d1net(转载)

相关文章
|
自然语言处理 数据可视化 数据挖掘
基于词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析(下)
基于词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析
559 0
|
存储 自然语言处理 数据可视化
基于词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析(上)
基于词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析
410 0
|
数据采集 搜索推荐 算法
基于B站视频评论的文本分析,采用包括文本聚类分析、LDA主题分析、网络语义分析
本文通过Python爬虫技术采集B站视频评论数据,利用LDA主题分析、聚类分析和语义网络分析等方法,对评论进行深入的文本分析,挖掘用户评论的主题、情感倾向和语义结构,旨在为商业决策提供支持,优化内容创作和用户满意度。
2340 2
基于B站视频评论的文本分析,采用包括文本聚类分析、LDA主题分析、网络语义分析
|
机器学习/深度学习 数据采集 自然语言处理
Python实现循环神经网络SimpleRNN、LSTM进行淘宝商品评论情感分析(含爬虫程序)
Python实现循环神经网络SimpleRNN、LSTM进行淘宝商品评论情感分析(含爬虫程序)
Python实现循环神经网络SimpleRNN、LSTM进行淘宝商品评论情感分析(含爬虫程序)
|
机器学习/深度学习 存储 数据采集
随机森林填充缺失值、BP神经网络在亚马逊评论、学生成绩分析研究2案例合集1
随机森林填充缺失值、BP神经网络在亚马逊评论、学生成绩分析研究2案例合集
|
人工智能 数据可视化
【数据分享】维基百科Wiki负面有害评论(网络暴力)文本数据多标签分类挖掘可视化
【数据分享】维基百科Wiki负面有害评论(网络暴力)文本数据多标签分类挖掘可视化
|
机器学习/深度学习 自然语言处理 运维
随机森林填充缺失值、BP神经网络在亚马逊评论、学生成绩分析研究2案例合集2
随机森林填充缺失值、BP神经网络在亚马逊评论、学生成绩分析研究2案例合集
|
机器学习/深度学习 自然语言处理 算法
【Pytorch神经网络实战案例】31 TextCNN模型分析IMDB数据集评论的积极与消极
【Pytorch神经网络实战案例】31 TextCNN模型分析IMDB数据集评论的积极与消极
1047 0
|
机器学习/深度学习 新零售 搜索推荐
一种挖掘用户评论文本的跨领域冷启动用户推荐网络 | sigir论文解读
在大型推荐场景中,存在着众多类目(例如亚马逊平台中的书籍、影视推荐等)。用户往往只与其中部分类目有过交互,对于其他类目,由于缺少相应的历史行为记录,协同过滤方法会遭遇冷启动问题。
一种挖掘用户评论文本的跨领域冷启动用户推荐网络 | sigir论文解读

热门文章

最新文章