wangchunlin
1月前来过
全职 · 1000/日  ·  21750/月
工作时间: 工作日20:30-22:30、周末09:00-18:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

基本信息:

王春林

男 1991.07.15

32 岁

*

s3c6410@sina.com

***ng0chunlin

英语等级:

CET4 (雅思备考中)

求职意向:NLP 工程师

教育经历: 

2010-2014 东北电力大学 计算机科学与技术 本科(全日制)

2022-2025 华北电力大学 计算机科学与技术 硕士(在职未毕业)

工作经历: 

北京致简智通 2014.7-2017.12

软件工程师

职责:linux 内核裁剪和驱动开发相关工作

自由职业者

2018.1-2021.1

软件开发

北京敏行咨询管理 2021.2-2022.11 NLP 工程师 职责:自然语言处理相关工作

杭州鸿宇人工智能技术 2022.12-2023.2 算法工程师 职责:扑克智能算法开发

杭州南北联合科技 2023.2-2023.7 NLP 工程师 职责:合同审核的相关开发

技术基础:

计算机语言:熟练:C 和 Python

会 C++,Go

数据库:会使用常见数据库 Mysql Neo4j Redis ES

熟悉以下常见 NLP 问题:

1 文本预处理(基本处理:分词,词性标注,实体识别;

文本表示方法:TF-IDF,word2vec,embedding;

语料分析:标签分布,句子长度分布,词频统计,词云;

文本特征处理:n-gram,长度规范化;

数据增强:非核心词替换,滑窗,回译,mask)

2 统计标注模型:HMM CRF

3 深度学习模型:CNN RNN Seq2Seq Attention 机制 Transformer

4 迁移模型:GPT Bert T5 huggingface 库

5 近期了解学习 AIGC: langchain 调试 chatGLM llama 文->图 调试 stable diffusion

社交主页: https://www.zhihu.com/people/wang-chun-lin-38-31

NLP 项目经历

1 快递单信息抽取

项目介绍:从快递单信息中抽取姓名、电话、省、市、区、街道地址内容,形成结构化信息。

辅助物流从业者进行有效信息的提取,降低填单的成本。标签的定义方式采用 BIO 体系,

短文本的信息抽取,尝试了不同模型,最后采用模型 Bi-GRU+CRF

岗位:组员

职责:方案和模型设计讨论,模型编码和测试

成果:.最终测试集:Precision:0.95、Recall:0.97 ,F1:0.96。

2 AI 简历-岗位匹配

项目介绍: 简历端:将 AI 不同类型的简历,按招聘的一般要求,抽取相关信息,形成结构

化信息,主要是句子分类,分类为定义的 schema 后,根据 schema 的具体要求正则抽取句子里内容。

HR 端:用同样的方法抽取岗位要求和职责相关的 schema

根据 HR 端 schema 和简历端抽取的 schema,匹配每项得分,再结合要求的权重,计算综合

得分,按得分高低,提取匹配的 topK 个简历。简历用户也可以填写要应聘的岗位,做同类

的岗位要求诊断,明确市场相关岗位的需求与要求

岗位:组长

职责:总体方案讨论设计,基本信息 教育和工作经历模块的编码与测试

成果:按时按质完成了任务,得到了公司同事的认可

3 票务对话机器人

项目介绍:实现票务领域售前场景的订票任务引导,涉及:意图理解->对话管理[状态跟踪(判

别式),对话策略(状态机)]->对话生成。定义了三种意图:查询,订票,终止服务,槽位四个:

时间,日期,出发地,目的地; 多种状态:等待、查询、订票过程, 策略:追问,澄清,

确认;对话生成:主要基于模板

岗位:组员

职责:意图理解,有限状态机讨论设计,对话生成模板收集

成果:按时完成了第一个版本的提交

4 电力知识共创平台搜索系统

项目介绍:基于电力知识共创平台,开发搜索功能,提供搜索热词提示,分类搜索,相关实

体约 13 万,构建知识图谱,通过 query 分类和意图理解,提高了搜索的精确度。

个人职责:组长

负责:讨论完善总体设计,负责搜索

成果:单用户响应时间 0.37 秒,实现了基于 query 理解的搜索

5 法律咨询

项目介绍:用户提问,返回相关领域的的法律说明

岗位:组员

职责:参与方案讨论设计,负责对 query 分类和向量表示的模型开发

成果:按时上线 1.0 版本

6 合同审核

项目介绍:用户选择合同类型和占位后上传合同,对合同做批注式的审核

岗位:组长

职责:方案讨论,总体设计,所有相关编码和单元测试

成果:按时上线 1.0 模型抽取 F1 0.96 校验准确率:0.87 (可以从 app 市场搜索:《法域

通》app,下载后体验)

7 诉讼预判

项目介绍:分为行政预判、民事预判、刑事预判。每个模块都是一个多轮对话任务。主要涉

及 NLU,DM,

岗位:组员

职责:参与方案讨论设计和负责 NLU 部分关键信息(槽位)抽取,用 unit-dmkit

统一 DM)

成果:按时上线 1.0

个人 NLP 优势总结:

1 信息抽取 (非结构化文本到结构文本的转化)

2 搜索问答 (基于文档,表格,知识图谱)3 任务式对话系统 (NLU -> DM -> ULG)

4 AIGC 应用开发:基于 LLM 和 langchain 文->图 stable diffusion


工作经历

  • 2021-01-01 -2023-12-01网新图灵nlp工程师

    做人工智能相关产品开发,做高校系统,如rag基于文档的LLM问答,简历解析,合同审核等

  • 2018-01-01 -2020-12-01南北联合开发工程师

    做后端开发,用php,mysql,python,go做开发,公司接的项目,根据需要,边学边开发

  • 2014-07-15 -2017-12-01北京致直通开发工程师

    嵌入式相关开发,驱动,应用程序,qt,通信,主要做安防的对讲机,和dsp工程师配合,用的是arm芯片

教育经历

  • 2022-09-01 - 2025-07-01华北电力大学计算机科学与技术硕士

    在职研究生在读,还未毕业

  • 2010-09-01 - 2014-07-01东北电力大学计算机科学与技术本科

技能

深度学习
机器学习
算法设计
自然语言处理
0
1
2
3
4
5
0
1
2
3
4
5
作品
合同审核

面向律师和普通用户,对不同类型合同进行智能审核,提示合同中不足或存在的问题,大大提高工作效率 首先根据不同合同的类型,专业的律师根据国家相关法律法规,定义了需要校验的schema,及校验规则,通过深度学习bert+pointer抽取合同中相关的内容,做好原文的定位,校验后在原文中标注不足或存在的问题

0
2024-08-09 21:22
下载次数:0
¥10000
IT人岗匹配系统

本系统面向HR和求职者,解决了用人单位通过职位快速匹配候选人的问题,根据求职者简历和求职职位,快速匹配岗位 本方案相对于常规方式,对简历解析,形成结构化信息,对候选人画像,综合匹配岗位要求和职责,实现快速和准确的匹配 技术:常见简历文档读取和解析(深度学习+行业知识图谱),人才画像,职位描述读取和解析,匹配

0
2024-08-09 21:30
下载次数:0
¥10000
更新于: 08-09 浏览: 46