自然语言处理

项目分为：向量知识库的构建模块、大模型对话模块，对使用者来说实现了PDF文档集合的智能分析 我负责前后端的开发、开源LLM的部署、向量数据库的解决方案，最终达到了PDF检索准确性提高20%，工作效率提升50%。 难点：将PDF切片并且检索相关部分、大模型部署和推理、向量数据库的使用

项目介绍: 对于评论文本内容进行 1~10 的评分，来评估改文本对于用户体验的满意程度。项目采用了基于 G RU 的深度神经网络模型，进行文本多分类的任务。 工作描述: 1、训练词向量：使用 word2vec 的 cbow 模型训练词向量，并将得到的结果保存成文本。 2、训练模型及优化：构建 GRU 模型，使用训练好的词向量训练模型，使用 softmax 作为全连接 层的激活函数进行多分类任务。对于训练数据进行优化，把特殊的标点符号进行删除等。 3、结果：模型对于文本评价内容预测结果达到 92.7%

第一步,肯定要加载数据,处理成词元对应的索引形式,之后构建数据生成器,第二步使用预训练模型,之后设置评估指标,设置学习率调节器,设置优化器,第三步,训练,在每个轮次后评估模型,返回准确率,召回率,F1分数,最后使用测试数据预测模型

项目介绍： 结合算法端机器学习、深度学习模型及LLM能力搭建一个支持多租户，可扩展的 供应链域计划单据体系，基于策略中心、计划单据中心实现供应链计划域从需求到建议再到计划 的产出，指导执行实现灵活采、补、调。提升商家与小二协同效率的同时，优化采购、补货、调 拨准确率，降低缺出风险。打造供销协一站式平台，提供运营实时把控营销、需求、供给情况调 整售卖策略，优化供给降低售罄率与退供率。 使用的技术框架及中间件（阿里内部组件以下是平替）：Mysql,Redis,Hive,ElasticSearch,ElasticJob,RocetMQ,Setinal,nacos 主要工作职责： 1. 基于大模型对商品标签进行商品规格属性提取，对接同品匹配算法模型实现跟进竞价系统， 提升淘菜菜价格力。 2. 负责计划域策略中心，计算调度中心，计划单据中心、预测中心的架构设计，对计划域服务 进行重构。 3. 担任计划域系统重构PM，负责协调供应链计划上下游资源，把控重构项目进度及项目风险， 推动重构项目落地以及上线灰度切换及数据对账。 4. 基于DTS调度中心、预测中心和策略中心打造T0，T1销量预测白盒化

主要分为两个大模型，一个解码器一个合成器，在解码器部分采用了wavenet作为encoding之后的核心算法，还附带了其他语言应用的功能

主要分为两个大模型，一个解码器一个合成器，在解码器部分采用了wavenet作为encoding之后的核心算法，还附带了其他语言应用的功能

数字时代，数字产品泛滥，互联网平台多不胜数。那个这个数字人就是你在不同的电子产品、不同平台上的分身，代替你行人的职责。除了文章开头说的三个案例外，至少还可以用于： 电子导游； 电子解说员； 虚拟老师； 售前、售后客服； 前台指引。

云胶片系统是一款创新的医学影像数字化及云诊疗服务平台，它依托于云计算、机器学习、大数据、移动互联网等技术，并遵循DICOM协议，助力医疗机构实现无胶片化技术革命。医生可以进行阅片诊疗服务，患者可以调阅、下载检查资料。

智能对话系统： 1、产品设计：原型设计+模型设计+模块设计 2、产品研发： （a）带领团队进行产品开发 （b）引擎模块的设计与研发 （c）对话公司整体呼叫中心的产品 3、产品推广： （a）产品推广方案的设计 （b）产品功能讲解与客户关系维护 （c）产品经过多轮POC

项目介绍： 基于医疗知识图数据库，构建一个在线诊疗系统，用来给患者提供对应病情分析。用户通过在线系 统请求到在线诊疗服务，系统根据用户输入病情实时地为用户提供对应疾病类型。 项目内容： 1、命名实体识别（NER）任务：通过搭建BiLSTM_CRF模型，将提取出的命名实体传入下一步进行 命名实体审核（NE）任务。使用准确率，召回率和 F1-score 来评估模型，最终能够模型在训练集 和验证集的召回率分别在：0.85和0.78左右； 2、命名实体审核(NE)任务：使用BERT中文预训练模型对句子编码，构建RNN模型训练函数，通过 绘制训练和验证的损失和准确率对照曲线最终模型准确率维持在0.98左右； 3、在线部分： werobot 服务模块、主要逻辑服务模块、句子相关模型服务模块、会话管理模块， 图数据库模块以及对话（查询neo4j图数据库并返回查询结果）/Unit 模块。

在推理过程中，如果我们希望不增加计算力和空间随着推理长度的增加，可以考虑使用某些特定的算法和数据结构。例如，可以使用动态规划、滑动窗口等技巧来降低算法的时间复杂度和空间复杂度。 以动态规划为例，它是一种通过将复杂问题分解为更小的子问题来解决原问题的方法，并且保存子问题的解以避免重复计算。这样，在处理长序列的推理任务时，动态规划可以帮助我们避免不必要的重复计算，从而减少计算力和空间的消耗。 再比如，当我们在处理文本数据时，可以使用滑动窗口技术来处理长文本。滑动窗口技术允许我们在不增加额外空间的情况下，对文本序列进行分块处理，从而减少了空间复杂度。 除此之外，还有一些模型压缩和优化技术，如模型剪枝、量化、低秩分解等，可以在不牺牲太多性能的情况下，减少模型的体积和计算量，从而使得模型在推理时更加高效。 总之，通过合理地选择算法和数据结构，以及使用模型压缩和优化技术，我们可以在推理过程中不增加计算力和空间随着推理长度的增加。

文本处理，内容及商品的品类、消费电商导向、货品需求词识别算法构建。货品需求词挖掘+商品分类体系的建设+识别规则制定，文本分类筛选需求品类，基于分词加规则的方式筛选出品牌，品类，导流平台等关键词，后期作为训练样本加入到实体识别中，生成命名实体识别(Bi-LSTM+CRF)模型，提升泛化能力。

构建模型预测手写文本的内容,使用到卷积网络CNN和时间序列的网络RNN,构建输入图片和文本标签,先提取图片特征,之后把特征输入LSTM带记忆的网络,最后获取模型对图片中的文本序列中每个字符的预测概率分布,用ctc损失引导模型学习,输出的概率是序列中的字符在字符集中的概率,最大的那个是模型的预测,返回的输出是每个时间步(字符)在字符集中的概率分布

可以根据需求定制完成以下内容 1、数据分析处理，python，包含数据预处理、可视化、爬虫、常见模型分析等； 2、办公自动化：excel VBA自动化、python 办公自动化 3、Axure原型设计； 4、看板搭建、数据大屏搭建

项目描述：“乾坤仪”是阿里巴巴营销洞察中心的一款业内新媒体监测产品，主要服务于天猫、淘宝、饿了么、阿里云、菜鸟、夸克等BU市场运营人员，用于在新媒体上评估活动效果、监测竞争趋势等，新榜主要为其提供数据支撑。 工作职责： 1. 原料准备，数据建模，数据清洗。跨多平台，使用python(numpy,pandas,matplotlib ,sklearn等)进行前期数据清洗，特征选择，发kakfa，DataWorks表分区存储，直播、商品、账号等多维度多层级映射关联。 2. 文本处理，内容及商品的品类、消费电商导向、货品需求词识别算法构建。货品需求词挖掘+商品分类体系的建设+识别规则制定，文本分类筛选需求品类，基于分词加规则的方式筛选出品牌，品类，导流平台等关键词，后期作为训练样本加入到实体识别中，生成命名实体识别(Bi-LSTM+CRF)模型，提升泛化能力。 3. 文本、数值等多维度特征提取挖掘，发现潜力、爆款商品和品类，为服务商、618和双十一赋能。基于阿里提供原型图中各子模块数据要求，进行跨表关联，多字段计算，完成数据挖掘，趋势洞察，配合提供定制化API，并协助乾坤仪的前端展示服务商，完

平台上线热词榜，热门词云。基于 jieba 进行大量文本原始数据词的初切分，插入前缀树，通过 ngrams 统计文本词频，计算各个 ngram 的凝固度，保留高于某个阈值的片段，通过凝固度+左右信息熵+词频的方式来进行新词发现，公式为：score = PMI + min (左熵， 右熵)。

项目分为：脑科学知识抽取模块、知识图谱构建模块、知识查询和分析模块，对使用者来说实现了250万篇脑科学文献的智能分析 我负责关键部分的NLP、知识图谱算法的解决，最终达到了抽取了3000万条知识，准确率提升50%。 难点：从科学文献中抽取出结构化的知识、领域大模型的训练

项目主要目的为使用 人工智能技术对新闻进行分类，减少人力成本提高效率。 1. 模型主要分为以下5个步骤进行：数据爬取、数据选择与读取、数据摘要与清洗、模型选择、模型训练与评估、模型组合与预测效验。 2. 使用python及其相关科学库如：numpy、pandas等技术开发，选择的算法模型有：词袋模型BOW（Bag of Words）、词向量（Word Embedding）、神经网络，采用交叉验证的方式训练模型，来降低过拟合情况，最后对上述三个模型的结果组合加权平均。 3. 数据爬取主要使用Python requests库。 4. 使用Jieba中文分词库对中文进行分词处理，来完成数据选择与读取。 5. 独立完成TF-IDF算法对处理好的数据进行摘要与清洗。 6. 使用开源TestCNN和TestRNN模型对数据进行处理。

项目介绍： 在如今信息大爆炸时期，文本信息过载问题日益严重，通过文本摘要的方式获取到海量信息中 的关键信息，以便于人们更好的理解信息，充分利用有价值的数据。 项目内容： 1、基于 Seq2seq 架构创建 Baseline-1 模型并使用提前训练词向量的方式来优化模型； 2、通过优化框架得到 PGN+attention 结构的 Baseline-2 模型，解决了 Baseline-1 无法处理 OO V 单词的问题； 3、通过优化训练算法得到 PGN+attention+coverage 结构的 Baseline-3 模型，解决之前模型中 无效重复的问题； 4、通过优化解码算法得到 PGN+attention+beam search 结构的 Baseline-4 模型，解决了无效 重复问题的同时提升了长文本摘要的表达。

知识助理，主要供自己平时学习使用，通过上传文档，通过聊天的方式可以快速掌握自己感兴趣的东西。使用的主要技术栈有：torch、langchain、大模型、streamlit等