IT人力外包人才简历库

精通知识图谱构建技术，熟练掌握关系抽取、事件抽取及知识图谱补全等核心算法。熟练使用Python进行深度学习模型开发，具备PyTorch与PaddlePaddle框架实战经验，熟悉NLP领域主流模型架构。掌握BERT、RoBERTa等预训练模型在知识抽取任务中的应用，了解图神经网络（GNN）在知识图谱补全中的优化策略。具备模型调参、特征工程及性能优化能力，熟悉分布式训练框架与模型压缩技术。

主要参与知识图谱构建相关算法研发工作，负责关系抽取模型的持续优化与迭代。主导CNN到casel模型的演进路径，通过引入注意力机制提升模型准确率12%。开发基于BERT的联合模型，实现多任务学习框架，使抽取效率提升30%。设计SPN模型优化方案，通过概率图建模提升关系类型识别精度。完成PRGC模型的参数调优，使召回率提升18%。具备完整的算法开发流程经验，包括数据清洗、特征提取、模型训练、评估及部署。

主导知识图谱关系抽取算法研发项目，完成从传统CNN模型到casel、joint、SPN、PRGC等多类模型的演进。针对长距离依赖问题，设计基于Transformer的改进架构，通过引入多头注意力机制提升模型表征能力。在模型训练阶段，采用动态学习率调整策略，使训练收敛速度提升25%。针对小样本场景，开发基于迁移学习的微调方案，使模型在测试集F1值提升15%。优化模型推理效率，通过量化压缩技术使推理速度提升40%。完成模型部署方案设计，支持分布式推理框架，满足高并发场景需求。