电商达人拉新&冷启
1)基于创作者内容和电商内容消费数据训练转化模型,SENet等;拉新人群包上线后,每天增量拉新1213
个达人,业务反馈每个拉新价值200元,增量价值25万/日;和产品共同推进模型在生产和消费侧沟通,
针对高潜创作者进行触达;
2)迭代高准规则,挖掘达人(包含商家) 线索652892,先验准确率 86%,半闭环线索召回率36.97%;US
今年2/9开始定邀达人,发出14k+ eligible invitation,目前已开户达人超过1k+(目标300),整体
conversion rate 7.6%;
3)构建新达人 C 端画像,挖掘相关电商画像,提升达人理解和刻画提升达人选品推荐冷启效果;制定
U2U2I2I方案。
商达营销
1) 内容场从0-1上线商达智能功能,包括智能面额拉新和gmv目标;
2) 与业务团队紧密合作完善内容场营销工具建设,达人渗透率提升17pt (37.1%(10月底)->54.1%(23年2月底))。
达人&商品画像
1)完成商品分层建设包括信息质量力,销售力,品质力,履约力,价格力,佣金力,样品力和带货力;
2)达人和商品标签及潜力预估模型建设。

词法分析
1)训练快手分词、词性和NER模型,通过BERT+FC模型蒸馏CNN+CRF小模型,较base和开源工具
均有显著提升,同时搭建新词挖掘pipeline结合柔性自定义词典干预分词结果;发布MMU-LAC pip安装包提供快手内部快速使用;与电商图谱及热点团队深度合作,提供词法基础能力;
2)海外搜索葡西印阿分词,采用词典匹配+动态规划算法实现;上线后搜索基础相关性提升显著,视频搜索无结果率下降70%以上。
图文+多模理解
1)图文内容标签建设,一级类别(30+),二级类别(150+),三级topic(6000+),构建20w内容标签池(内容标签排序及关系挖掘),基于多模信息训练模型;
2)快看点与快手主站互动:搭建主站一致的垂类体系,打通主站画像提升快看点用户冷启效果;通过相关阅读打通快看点和主站短视频内容关联,为快看点app导流;训练BertSum模型提取资讯摘要,为短视频智能创作提供文本信息,并在奥运期间为主站生产多条一手热门视频;
3)负责内容质量模型:多模态图文匹配(clip+实体),题文匹配,时效性,地域等模型;基于多种标签和多模态向量召回搭建图文查重服务,支持内容频控和原创保护。
智能交互
支持电商客服算法,提供term召回和向量召回,共建700标准问及50000+知识库,并支持尺码,负向情绪,商家入驻等意图识别能力;参与快手电商客服从0到1过程,辛巴家族接入快手电商客服,稳定支持快手双11客服能力。
主站专项
为主站热点泛化提供分词召回,召回提升50%,小黄条vv渗透率+7.1%,热榜落地页停留时长+5.3%;支持海外热点的热点聚合,热度分计算;支持收藏专项和春节场景专项,为reco提供优质资源挖掘。

团队搭建
从0-1组建趣头条NLP算法团队,支持趣头条推荐的NLP需求;推动搭建50人数据标注团队,
NLP 模型对数据标注需求较多;结合趣头条用户的金诉求,通过金币激励用户众包数据:首创众包视频剧名,每日完成3w+娱乐/影视视频, 剧名准确率96%。
多模态内容similarity服务
内容分为5档:高度重复,高度相似,中度相似,相关和不相关;标注20万数据,集合关键词,实体词,事件,语义相似度,一级分类,二级分类,封面相似度,视频相似度,视频名,作者等信息训练模型,相关分类f1 从58%提到85.5%;实时计算任意文档对的相似得分,写入kv存储共引擎实时使用,kv存储量160亿。
从无到有搭建多维度内容标签体系
搭建图文和视频统一内容体系,类别体系:一级类别(30+),二级类别(150+),三级topic(6000+),实体词(10万数量级)及关键词模块和地域标签;基于图文标题和正文构建SSL任务,学习语义向量;推动研发多项NLP和CV项目。模型在推荐,广告和搜索及审核等业务线落地。
用户画像年龄和性别模型
负责趣头条,米读和火火等9个业务性别年龄模型训练,第三方信息构建标注数据;结合用户行为数据,互联网数据和手机信息构建特征;年龄模型优化模型后 f1 66.49%(绝对提升28%);学生模型f1 61.41%(绝对提升36%);性别模型f1 78.13%(绝对提升19%);均高于行业中最好的个推年龄f1 52.75%,性别f1 72.53%。
低质内容识别项目
负责内容质量和辅助审核模型,提供标题党,低俗识别,负向评论识别,低质评论识别,恶心不适识别等模型;同时负责时效性和地域识别,减少高时效内容持续曝光及强地域内容错误分发。

债券违约预警系统 项目负责人/架构师
负责项目规划排期,系统架构设计;整个系统包括,数据采集,结构化数据抽取,知识图谱,网页解析,舆
情分析及在线服务等模块;对4000+发债公司全覆盖,得到行业内好评。
舆情分析项目 技术负责人
与国内知名公募合作构建数据标注体系,分为负面和非负,标注数据达到100w;使用rnn与cnn结合的
深度学习模型,负面准确率84%和召回率85%;其中,公司匹配将新闻和公司进行关联,使用知识库消歧
和语义消歧技术进行公司简称消歧。
非结构化数据抽取 技术负责人
指标识别:利用已有标注数据训练指标发现模型,进而扩展指标;数据抽取:使用gbdt+lr机器学习模型对属性和值pair进行匹配;模型能极大的降低人工标注成本,人工标注数据又能进一步提供模型效果,经过迭代模型效果大幅提升,人工标注效果数十倍提升。
金融搜索项目 技术负责人
构建金融领域网页库和公司公告检索库,为研究员提供金融数据检索;主要负责query关键词权重计算,
文本去重,相关性rank及摘要生成等核心模块。

智能交互方向
1) 百度熊项目(度秘项目)
负责工作:负责系统的整体设计,作为NLP对外接口人: a) 负责中控模块的设计和开发; b)聊天资源挖掘,
聊天资源检索与相关性计算, 聊天结果排序;关键技术:多场景管理,资源挖掘与过滤, 相关性计算;产出亮点:获得SSG产品创新奖;个人获得NLP优秀个人奖;获得第十届hackathon黑马奖;
2)多场景对话管理
负责工作:开发智能交互平台,场景接入,多场景管理;引入增强学习模型进行系统决策管理;关键技术:基于增强学习的多场景管理,适合多轮多场景的交互系统架构;产出亮点:多轮多模花卉识别获得SSG产品创新奖;多模识狗获得第九届hackathon黑马奖;
3) 聊天机器人
负责聊天语料建设,语料整体规模1.3亿;相似度计算和检索框架,使用开源框架solr;聊天结果重排序,
特征包括:qr相关性,qp相似度,趣味性,学舌等特征;
主题分析方向
1) 精准摘要
负责工作:负责query的数字类需求识别,以及数字类信息抽取,负责模块的开发和测试,上线;
关键技术:需求识别,模板匹配,信息抽取;产出亮点:在大搜上线,随机query影响面0.42%,热门query影响面0.46%;准确率95%,召回率90%;
2)主题词提取
负责工作:负责共线词典挖掘,使用共线词典利用随机游走算法,计算篇章段落的主题词;发布模块并上线;关键技术:利用词共线关系进行词向量表示,随机游走算法迭代计算;产出亮点:为ps的反作弊项目提供语义特征,引入我们的特征后反作弊识别的F值从85%提高到90%。
3)反动页面识别
负责工作:标注政治敏感页面数据集,训练并优化政治敏感识别最大熵模型,识别宣扬法轮功,六四和藏独相关页面;关键技术:模型特征选择,最大熵分类模型训练,解决样本数据分布不均的问题;产出亮点:敏感页的正确率达到97%,召回率达到90+%;政治敏感站点准确率80%->99%;

1)负责q-zone社区数据反作弊,模型上线后效果明显;
2)负责微博领域专家挖掘和突发事件检测;
3)参与核高基项目,demo任务引擎。

负责网页分类,主要通过网页导航信息和网页内容构建训练集,训练LR模型对网页进行分类;并使用公司内部封装的hadoop系统进行分布式网页分类。