猿急送>

北京其它兼职程序员

ID：282155

支足常乐

自然语言处理工程师

公司信息：
北京环球医疗救援有限责任公司

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日
可工作日远程

所在区域：
北京
丰台

技术能力

数据标注，ner标注，分类标注，图片标注
扎实的编程语言 Python；
 熟悉深度学习（CNN,RNN,LSTM），
 理解常见机器学习算法（LR,DT,SVM）的原理；
 熟悉自然语言处理常见算法（HMM, CRF,Transformer,Bert）等 nlp 算法模型。
 熟练运用相关工具库（NumPY，Pandas，Sklearn 等）、框架（Tensorflow/ Keras 等）；
 熟悉关系型数据库 MYSQL，图数据库 Neo4j；
 对自然语言处理相关的分词、词性标注、实体识别、文本分类等有深入的实践经验。
 参与或主导过知识图谱等 NLP 项目解决实际问题；
 熟悉运用 Scrapy,Selenium,CoolNERTool；

项目经验

医学知识图谱
技术要点：Bilst+crf，IDCNN+crf，neo4j
利用大量的结构化或非结构化精神疾病的医学数据，通过算法提取出实体、关系、属性等知识图谱的组成元素，选择合理高效的方式存入知识库。并构建脑疾病领域专业的知识图谱。

材料分类，科室归类
技术要点：bert，albert，cnn
针对 2 万电子病历通过 OCR 对图片进行文字识别，并建立单标签多分类模型 bert 或 albert 识别出病历材料并分出类别，准确度最终到 95%，同时对部分病历材料进行分段处理，之后对患者症状归一化对科室信息 9 分类，建立 textcnn 模型做预测，科室归类准确度 98%。

客户声音 VOC
技术要点：scrapy，LR，GBDT，textcnn，bilstm+crf
爬取各大网页上汽车负面数据，获取有关汽车的列表页和详情页，处理 5 万条短文本数据，搭建机器学习模型LR 和 GBDT 效果分别做预测，准确度 76%左右后又对比深度学习模型 textcnn，准确度 99%。最终定稿 textcnn 模型实现客户需求预测出三级标签。对四级校验部位和五级校验问题实现 BIO 标注，对文本进行命名识别实体，搭建 bIlstm+crf 模型，识别汽车的部位和问题准确度达到 90%以上，方便生产厂家更直观的发现和解决汽车部分的问题，提高一汽汽车生产产量。

舆情监控系统
技术要点：albert+textcnn，多标签多分类
解决客户新需求，对 VOC 已有的 5 万条数据预测出三级标签后有在此基础上添加一列为六级标签，建立多标签多分类模型预测出产品车型，企业形象，品牌销售及服务等 5 类别，负责模型搭建，模型训练及评估，数据切分 8:2，最终效果准确度 80%以上。

智能录入系统
技术要点：信息提取，归一化，Levenshtein，bilstm+crf
基于 OCR 平台对病历图片进行材料上传，材料分类，清晰度效验，OCR 解析，对 11 类材料基于规则提取用户患者的基本信息 20 个字段，准确度达到 90%以上。部分字段如医院名称，科室需要归一化，基于 OCR 识别低错误高的材料现住址和户口地址字段提取调用 Levenshtein 相似度算法进行纠错，完善提取地址的准确性。选用 bilstm+crf 针对部分医院门诊发票识别药品名，数量，规格，金额等等提升识别门诊发票的准确度最终达到 95%。

智能理赔，智能控费
技术要点：核赔规则，scrapy，selenium
应用于医院，保险局，医保局及其他医疗保险行业。负责制定理赔规则；抓取各省市三大药品目录：药品耗材及诊疗，中国药典；基础知识库入库