北京
项目一:保险反洗钱模型
项目描述:通过HIveSQL语句筛选出大额交易,通过机器学习模型智能预测交易是否存在可疑风险行为,消除洗钱行为给金融机构带来的潜在金融风险和法律风险,维护金融安全。发现和切断资助犯罪行为的资金来源和渠道,防范新的犯罪行为。
负责模块:
负责HiveSQL数据库语句的编写,项目数据的准备
负责对SQL中筛选出来的数据进行规则筛选与标签建立
负责对预处理好的数据进行信息抽取
负责模型上线部署文件与每日批跑文件的编写
负责解析前端传入的Json报文并转化为可用的特征数据
负责编写项目部署手册、运维手册、操作手册、后续升级建议方案

北京
项目二:保险反欺诈模型
项目描述:使用lightgbm算法,通过保险场景的多种维度数据拟合成的反欺诈识别服务,专注于识别保险行业的欺诈行为。创建风控模型,在保险申请、核保、理赔场景发现欺诈风险。适用于健康险、寿险、财产险、车险等多个保险领域。
负责模块:
负责HiveSQL数据库语句的编写,项目数据的提取
负责特征工程的处理
负责模型上线部署文件的编写
负责对比训练集与测试集的表现,并给出数据分析报告
负责解析前端传入的Json报文并转化为可用的特征数据

北京
项目三:人力增员预测模型
项目描述:使用xgboost算法,根据历史的增员人的特征信息与待上岗营销员的特征内在关系进行学习,预测待上岗营销员在未来的13个月的留存概率,降低无效投入成本的机器学习模型。
负责模块:
负责进行原始数据的数据探查
负责数据预处理,特征的组合与降维
Wiujw4U202303201412
负责模型的选择与参数的调整
负责在原始模型上增加更复杂的微调算法
负责研究不同的算法模型在业务数据的预测上不同的表现力,使用集成模型的方法进行预测

北京
项目四:保单继续率预测模型
项目描述:通过机器学习的方法,根据历史的保险保单特征信息抽取并进行学习,建立最优的机器学习模型,从而达到预测保单在未来14个月续保的概率的项目。
负责模块:
负责HiveSQL数据库语句的编写,项目数据的提取
负责数据与特征的清洗、预处理,特征的组合与降维
负责模型的选择与参数的调整,提高模型准确率
负责对比训练集与测试集的表现,并给出数据分析报告
负责研究不同的算法模型在业务数据的预测上不同的表现力,使用集成模型的方法进行预测

北京
项目五:R1自动化任务机器人
项目描述:公司业务中一个任务机器人,通过微信与用户进行交互,后端语言模型进行文本处理,理解用户需求,每日自动发送日报,充值,并进行数据查询,或进行需求的回复与任务执行
项目模块:
负责对业务数据进行关键信息提取,负责构造业务问答对与词槽填充
负责参与文本分词,语义理解等NLP模型的算法设计和优化
负责应用Fasttext进行数据的文本分类,用户意图识别
负责搭建语音转文字功能,使用微信机器人进行任务的执行和人机交互
负责应用Word2seq,bi-gru等模型进行语义对话引擎的相关开发及新技术的研究
基于现有的文本数据,提升对话系统在多领域,多场景下的体验,机器人解决不了可转人工

北京
项目六:R1业务助理
项目描述:使用Pytorch框架进行开发,基于Seq2Seq模型Fasttext实现的业务助理机器人,能够起到智能客服的效果,为客户进行业务问题的解答和指南,同时还可以进行闲聊。
项目模块:
负责对业务数据、手动构造模板填充的数据、爬取的问答对和词典数据进行收集和预处理
负责应用Embedding+GRU完成编码器,使用Embedding+GRU+Teacher forcing+log_softmax完成解码器
负责应用Fasttext模型进行文本分类和词向量的生成,对用户意图进行识别,使用Seq2Seq+Attention实现闲聊模型,使用TFIDF变种+孪生神经网络实现问答模型
负责使用pysparnn和BM25算法的机制来实现召回和排序,保证获取的速度的同时保证了准确率
负责在模型层应用bi-lstm模型,在特征层使用单字,词,词性属性多种特征获取更好的结果
负责项目优化点:
1.为了提高模型的准确度,避免在解码器中预测时一步错,步步错的结果,并且同时提高模型的收敛速度,在每个batch遍历time step的外层使用了teacher forcing机制
2.使用了Attention机制,使用Luong Attention的矩阵乘法General,dot点乘法,concat合并法。对比未使用Attention前,使用Attention优化后训练loss降低了6%
3.使用Beam Search束集搜索,设置Beam width=2每次保存的最大的两个概率,以达到约束搜索空间大小的目的,从而提高算法的效率。在项目中使用了python自带的heapq模块中数据结构堆来实现,准确度对比未使用前提升了13%
4.使用了梯度裁剪机制,clip_grad_norm_(),可以在反向传播时抑制过大的梯度,能够有效防止梯度爆炸
Wiujw4U202303201412