项目背景：自研实体识别系统，保障实体识别质量及系统良好扩展性。项目职责：独立完成项目从0-1设计，主要架构：模型识别+AC自动机词库匹配+正则后处理实体类别问题处理：深入分析实体类别、标签分布不均匀原因，提出通过数据增强+EDA加噪+标签截断等方式，缩小实体类别差距，提升训练数据质量。应用效果及速度提升：通过ONNX实现推理加速，同时实现模型蒸馏，有效提升模型运行时间，提升应用场景效果。对内沟通协调：高效沟通，指导完成数据整改，增加正则的后处理，实现实体规范化管理。项目成果：各模型在hdfs、apache等6个训练集的准确率基本保持93%+，完成1700+日志模板结构化，满足业务场景需求，在知识图谱中发挥重要作用。