峰峰009
NLP高级工程师
百度 · 4年经验
日薪：
￥800/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
1.熟练网络爬虫技术，利用beautifulsoup、selenium实现静态和动态网页爬取、模拟登陆。 熟悉爬虫框架scrapy。
2.熟悉常见词袋模型、TF-IDF、N-gram以及word2vec、glove、bert来训练词向量表示。
3.掌握面向文本的CNN、RNN、LSTM、transformer、Bert、Albert以及衍生的bert家族模型。
4.熟练文本挖掘场景：文本情感分类、实体识别、实体关系提取、文本纠错、文本相似度匹配、事件抽取等技术模型。
5.熟练知识图谱和图计算：信息抽取 、实体链接、知识图谱构建等技术方案，熟悉图数据库neo4j、ArangoDB。
6.掌握问答场景方案：KBQA场景，多轮对话。包括query解析，意图识别，槽位填充，问答查询。
7.熟练Tensorflow、Keras、pytorch框架和linux命令。
8.熟悉Docker运用，应用和部署。
2.熟悉常见词袋模型、TF-IDF、N-gram以及word2vec、glove、bert来训练词向量表示。
3.掌握面向文本的CNN、RNN、LSTM、transformer、Bert、Albert以及衍生的bert家族模型。
4.熟练文本挖掘场景：文本情感分类、实体识别、实体关系提取、文本纠错、文本相似度匹配、事件抽取等技术模型。
5.熟练知识图谱和图计算：信息抽取 、实体链接、知识图谱构建等技术方案，熟悉图数据库neo4j、ArangoDB。
6.掌握问答场景方案：KBQA场景，多轮对话。包括query解析，意图识别，槽位填充，问答查询。
7.熟练Tensorflow、Keras、pytorch框架和linux命令。
8.熟悉Docker运用，应用和部署。
项目经验
知识图谱产品研发：公司知识图谱产品的底层算法研发。包括抽取算法调研，技术选型，方案制定，项目落地，都是核心的参与人员。并且有后期的算法的更新迭代。
文本分类产品研发：公司文本分类产品的底层算法研发。包括全流程的文本分类方案制定，低门槛的算法设计，包括多分类、多标签、层次分类三种应用场景。
项目1: 智慧医疗项目模块--信息提取。研究实体抽取和实体关系抽取算法，针对医疗指南和医疗药品说明书数据，实现了基于 Bert 模型的 NER 算法和基于 Attention 机制+BiGRU 模型的 RE 算法。
主要工作：
（1）分析医疗指南和药品说明书数据，根据项目需求，从众多类别中筛选训练实体类别(10 类)和关系类别(14 类)。
（2）研究 Bert 模型，尝试添加 BiLSTM 结构以及 CRF 层，实验表明，效果提升不明显。最终，在 Bert 模型输出层 之后添加全连接层，MicroF1 score 在 90%左右。
（3）将句子中的每一个中文字符转化为 character embedding，与位置信息 concate 之后，输入到 BiGRU 模型，同时 加入字级别的 attention。
然后对每一种类别的句子输入做共同训练，加入句子级别的 attention。
联合字符级别 attention 和句子级别的 attention，同时调整模型参数。最终 MicroF1 score 在 81%左右。
项目2: 扬州市市公安局信息中心---智察系统的部分模块研发。该模块主要是在公安内网中做报警地址精确匹配 任务：地址分析、地址碰撞、地址纠错等。在此过程中，涉及到报警地址分词，地址纠错、自建 POI 库等核心技术，并 通过 ES(Elastic Search)搜索引擎实现检索。
主要工作：
（1）地址分词。对报警地址进行标注，借助 BiLSTM+CRF 模型，识别出报警信息中的地址实体。最终的 F1 值在 0.9 以上。曾利用 ES 自带分词器 IK 分词，但是效果不佳。
（2）对已识别的地址实体进行地址错写修正。通过分析地址错写类型，结合汉字音形和字形特征，设计研发了音形 码算法。首先对汉字进行编码存库，利用地址对应的音形码在标准地址库中匹配候选实体，然后利用 KMP 字 符串算法给候选实体计算匹配度，根据预先设定阈值筛选候选实体。
（3）自建 POI(Point of Interest)库。分析 POI 所需的地址要素，调研各大地图查询接口。通过编写爬虫脚本，爬取图
文本分类产品研发：公司文本分类产品的底层算法研发。包括全流程的文本分类方案制定，低门槛的算法设计，包括多分类、多标签、层次分类三种应用场景。
项目1: 智慧医疗项目模块--信息提取。研究实体抽取和实体关系抽取算法，针对医疗指南和医疗药品说明书数据，实现了基于 Bert 模型的 NER 算法和基于 Attention 机制+BiGRU 模型的 RE 算法。
主要工作：
（1）分析医疗指南和药品说明书数据，根据项目需求，从众多类别中筛选训练实体类别(10 类)和关系类别(14 类)。
（2）研究 Bert 模型，尝试添加 BiLSTM 结构以及 CRF 层，实验表明，效果提升不明显。最终，在 Bert 模型输出层 之后添加全连接层，MicroF1 score 在 90%左右。
（3）将句子中的每一个中文字符转化为 character embedding，与位置信息 concate 之后，输入到 BiGRU 模型，同时 加入字级别的 attention。
然后对每一种类别的句子输入做共同训练，加入句子级别的 attention。
联合字符级别 attention 和句子级别的 attention，同时调整模型参数。最终 MicroF1 score 在 81%左右。
项目2: 扬州市市公安局信息中心---智察系统的部分模块研发。该模块主要是在公安内网中做报警地址精确匹配 任务：地址分析、地址碰撞、地址纠错等。在此过程中，涉及到报警地址分词，地址纠错、自建 POI 库等核心技术，并 通过 ES(Elastic Search)搜索引擎实现检索。
主要工作：
（1）地址分词。对报警地址进行标注，借助 BiLSTM+CRF 模型，识别出报警信息中的地址实体。最终的 F1 值在 0.9 以上。曾利用 ES 自带分词器 IK 分词，但是效果不佳。
（2）对已识别的地址实体进行地址错写修正。通过分析地址错写类型，结合汉字音形和字形特征，设计研发了音形 码算法。首先对汉字进行编码存库，利用地址对应的音形码在标准地址库中匹配候选实体，然后利用 KMP 字 符串算法给候选实体计算匹配度，根据预先设定阈值筛选候选实体。
（3）自建 POI(Point of Interest)库。分析 POI 所需的地址要素，调研各大地图查询接口。通过编写爬虫脚本，爬取图
ID:260498
复制
峰峰009
NLP高级工程师 · 4年经验 · 百度
0
累计接单
0
用户评价
2
被收藏
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
1.熟练网络爬虫技术，利用beautifulsoup、selenium实现静态和动态网页爬取、模拟登陆。 熟悉爬虫框架scrapy。
2.熟悉常见词袋模型、TF-IDF、N-gram以及word2vec、glove、bert来训练词向量表示。
3.掌握面向文本的CNN、RNN、LSTM、transformer、Bert、Albert以及衍生的bert家族模型。
4.熟练文本挖掘场景：文本情感分类、实体识别、实体关系提取、文本纠错、文本相似度匹配、事件抽取等技术模型。
5.熟练知识图谱和图计算：信息抽取 、实体链接、知识图谱构建等技术方案，熟悉图数据库neo4j、ArangoDB。
6.掌握问答场景方案：KBQA场景，多轮对话。包括query解析，意图识别，槽位填充，问答查询。
7.熟练Tensorflow、Keras、pytorch框架和linux命令。
8.熟悉Docker运用，应用和部署。
2.熟悉常见词袋模型、TF-IDF、N-gram以及word2vec、glove、bert来训练词向量表示。
3.掌握面向文本的CNN、RNN、LSTM、transformer、Bert、Albert以及衍生的bert家族模型。
4.熟练文本挖掘场景：文本情感分类、实体识别、实体关系提取、文本纠错、文本相似度匹配、事件抽取等技术模型。
5.熟练知识图谱和图计算：信息抽取 、实体链接、知识图谱构建等技术方案，熟悉图数据库neo4j、ArangoDB。
6.掌握问答场景方案：KBQA场景，多轮对话。包括query解析，意图识别，槽位填充，问答查询。
7.熟练Tensorflow、Keras、pytorch框架和linux命令。
8.熟悉Docker运用，应用和部署。
项目经验
知识图谱产品研发：公司知识图谱产品的底层算法研发。包括抽取算法调研，技术选型，方案制定，项目落地，都是核心的参与人员。并且有后期的算法的更新迭代。
文本分类产品研发：公司文本分类产品的底层算法研发。包括全流程的文本分类方案制定，低门槛的算法设计，包括多分类、多标签、层次分类三种应用场景。
项目1: 智慧医疗项目模块--信息提取。研究实体抽取和实体关系抽取算法，针对医疗指南和医疗药品说明书数据，实现了基于 Bert 模型的 NER 算法和基于 Attention 机制+BiGRU 模型的 RE 算法。
主要工作：
（1）分析医疗指南和药品说明书数据，根据项目需求，从众多类别中筛选训练实体类别(10 类)和关系类别(14 类)。
（2）研究 Bert 模型，尝试添加 BiLSTM 结构以及 CRF 层，实验表明，效果提升不明显。最终，在 Bert 模型输出层 之后添加全连接层，MicroF1 score 在 90%左右。
（3）将句子中的每一个中文字符转化为 character embedding，与位置信息 concate 之后，输入到 BiGRU 模型，同时 加入字级别的 attention。
然后对每一种类别的句子输入做共同训练，加入句子级别的 attention。
联合字符级别 attention 和句子级别的 attention，同时调整模型参数。最终 MicroF1 score 在 81%左右。
项目2: 扬州市市公安局信息中心---智察系统的部分模块研发。该模块主要是在公安内网中做报警地址精确匹配 任务：地址分析、地址碰撞、地址纠错等。在此过程中，涉及到报警地址分词，地址纠错、自建 POI 库等核心技术，并 通过 ES(Elastic Search)搜索引擎实现检索。
主要工作：
（1）地址分词。对报警地址进行标注，借助 BiLSTM+CRF 模型，识别出报警信息中的地址实体。最终的 F1 值在 0.9 以上。曾利用 ES 自带分词器 IK 分词，但是效果不佳。
（2）对已识别的地址实体进行地址错写修正。通过分析地址错写类型，结合汉字音形和字形特征，设计研发了音形 码算法。首先对汉字进行编码存库，利用地址对应的音形码在标准地址库中匹配候选实体，然后利用 KMP 字 符串算法给候选实体计算匹配度，根据预先设定阈值筛选候选实体。
（3）自建 POI(Point of Interest)库。分析 POI 所需的地址要素，调研各大地图查询接口。通过编写爬虫脚本，爬取图
文本分类产品研发：公司文本分类产品的底层算法研发。包括全流程的文本分类方案制定，低门槛的算法设计，包括多分类、多标签、层次分类三种应用场景。
项目1: 智慧医疗项目模块--信息提取。研究实体抽取和实体关系抽取算法，针对医疗指南和医疗药品说明书数据，实现了基于 Bert 模型的 NER 算法和基于 Attention 机制+BiGRU 模型的 RE 算法。
主要工作：
（1）分析医疗指南和药品说明书数据，根据项目需求，从众多类别中筛选训练实体类别(10 类)和关系类别(14 类)。
（2）研究 Bert 模型，尝试添加 BiLSTM 结构以及 CRF 层，实验表明，效果提升不明显。最终，在 Bert 模型输出层 之后添加全连接层，MicroF1 score 在 90%左右。
（3）将句子中的每一个中文字符转化为 character embedding，与位置信息 concate 之后，输入到 BiGRU 模型，同时 加入字级别的 attention。
然后对每一种类别的句子输入做共同训练，加入句子级别的 attention。
联合字符级别 attention 和句子级别的 attention，同时调整模型参数。最终 MicroF1 score 在 81%左右。
项目2: 扬州市市公安局信息中心---智察系统的部分模块研发。该模块主要是在公安内网中做报警地址精确匹配 任务：地址分析、地址碰撞、地址纠错等。在此过程中，涉及到报警地址分词，地址纠错、自建 POI 库等核心技术，并 通过 ES(Elastic Search)搜索引擎实现检索。
主要工作：
（1）地址分词。对报警地址进行标注，借助 BiLSTM+CRF 模型，识别出报警信息中的地址实体。最终的 F1 值在 0.9 以上。曾利用 ES 自带分词器 IK 分词，但是效果不佳。
（2）对已识别的地址实体进行地址错写修正。通过分析地址错写类型，结合汉字音形和字形特征，设计研发了音形 码算法。首先对汉字进行编码存库，利用地址对应的音形码在标准地址库中匹配候选实体，然后利用 KMP 字 符串算法给候选实体计算匹配度，根据预先设定阈值筛选候选实体。
（3）自建 POI(Point of Interest)库。分析 POI 所需的地址要素，调研各大地图查询接口。通过编写爬虫脚本，爬取图
立即沟通
