0
1
2
3
4
5
0
1
2
3
4
5
1月前来过
自然语言处理
广州全职 · 1000/日 · 21750/月信用正常
工作时间: 工作日20:00-24:00、周末08:30-22:00工作地点:
远程
服务企业:
3家累计提交:
1工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
1、熟练掌握Python基础，深入理解面向对象编程思想；
2、熟练运用pandas、numpy、scipy完成数据数据预处理及基础分析；
3、熟练掌握sklearn机器学习模块，深入理解有监督学习和无监督学习；
(1) 回归分析：线性回归、岭回归、Lasso回归、多项式回归预测建模，理解梯度下降寻优；
(2) 决策树：集合算法构建随机森林模型和正向激励模型；
(3) 分类器：逻辑回归分类器、朴素贝叶斯分类器、SVM分类器，交叉验证，网格超参数寻优；
(4) 聚类算法：k-means算法、均值漂移算法、凝聚层次算法、DBSCAN算法；
4、熟悉文本分类、自动摘要、机器翻译、对话系统等常见的自然语言处理场景及相关技术；
5、能使用CNN、RNN及其变种实现各种NLP任务；
6、掌握tensorflow深度学习框架；
8、掌握Encoder-Decoder模型以及注意力机制；
工作经历
2018-07-02 -至今北京公瑾科技有限公司自然语言处理
技术关键字：bert、lstm、crf、xgboost、svm、fasttext、cnn、rnn 主要任务：智能客服、命名实体识别、文本分类、知识图谱 其他：文本纠错、倒排索引、正则
教育经历
2014-09-14 - 2018-06-30广东海洋大学信息与计算科学本科
数学与计算机学院 信息与计算科学 学士 优秀学生奖学金 数学建模竞赛一等奖
技能
作品
本项目属于文本分类任务，旨在对b站up主发布的客户产品引流视频的评论进行舆论监控，系统能对客户产品产生负面影响的恶意评论及时进行做出响应，由相关部门同事对恶意评论进行举报，降低影响。 项目流程 爬取b站up视频的评论数据，人工进行标注，标成3类（0-恶意，1-中性，2-好）；对标注好的数据进行预处理，包括预处理后输入文本分类模型进行训练，得到文本分类模型，模型可以将用户评论分类成0-恶意、1-中性和2-好评三类，当up主的恶评数超过一定比例时会发出告警邮件，邮件和系统上都可以查看告警的详情。
02023-04-23 17:47
针对pdf格式的增值税发票，需要提取其中的一些关键信息进行查验，人工完成该操作费时费力，故采用自动化方式提取相关信息。 个人职责：首先对发票进行解析，得到文本后，对文本进行命名实体标注，输入到BiLSTM+CRF模型中进行训练，得到命名实体识别模型，训练后的模型可以直接对解析后的发票文本进行关键信息提取。
02023-04-23 17:49
财税领域的智能问答系统，用户输入一句话，对这句话进行分析处理，通过文本匹配算法匹配知识库面的问题，然后返回对应的答案。 个人负责文本匹配算法的开发及服务接口的开发
02023-04-23 17:50
