【项目概述】 对专利数据提取关键词和关键短语、文本分类和语义检索。根据用户输入专利的摘要， 召回相似的专利 【责任描述】 负责利用 KeyBERT 思想提取专利文本中的关键词和关键短语 负责搭建 NLP 分类模型：对专利摘要数据根据主 IPC 字段进行分类 负责利用基于领域预训练和对比学习 SimCSE 方法增强模型语义表征能力 负责搭建基于 PaddlePaddle 与 Milvus 的通用语义检索系统框架 负责利用并行粒子群算法调整不同字段的向量权重， 合并为单一向量

【项目概述】 对广州公共资源交易中心的数据进行知识挖掘， 负责该系统数据分析所有核心模块的开发 【责任描述】 对上传的文档进行相似文档检测及相似文档推荐 构建交易价格指数体系、市场运行指数体系

【项目概述】 针对清华 NLP 公布的 THUCNews 数据集， 利用集成学习、半监督学习等方式， 使用预训练模型， 对数据集进行分类， 并不断提高在测试集上的准确率 【责任描述】 数据预处理：数据清洗、数据增强、样本不平衡处理等 模型选择：使用已有的在中文文本上的预训练模型进行微调 集成学习：利用模型结果加权融合的方法， 得到准确率更高的结果 半监督学习：利用直推学习的方法， 在原有数据集的基础上加入伪标签， 进一步提高准确率