海纳数据自然语言处理工程师

1. 01

   从常见格式（如PDF、HTML、XML等）的学术文献中提取标题、作者、摘要、参考文献等基础元数据；

2. 02

   参与设计并实现文本清洗与字段标准化流程（如作者名、机构名、期刊名的格式统一）；

3. 03

   协助解析参考文献并建立基本的引文关联；

4. 04

   参与开发去重与实体匹配逻辑，处理同一实体在不同来源中的表达差异；

5. 05

   配合团队建立基础的数据质量评估方法，跟踪关键字段的抽取效果；

6. 06

   与数据工程、知识图谱和产品团队协作，支持下游应用对结构化数据的需求。

1. 01

   计算机科学、人工智能、信息科学或相关专业硕士及以上学历，硕士学历需有4年工作经验，博士学历无工作经验要求；

2. 02

   了解常见学术文献格式（如arXiv、PubMed、JATSXML等）的基本结构；

3. 03

   熟悉命名实体识别、文本标准化或正则表达式等基础文本处理技术；

4. 04

   熟练使用Python，了解常用NLP工具库；

5. 05

   具备良好的工程习惯，能编写清晰、可维护的代码和文档；

6. 06

   对数据质量敏感，愿意深入理解业务场景中的文本处理问题。

加分项

1. 01

   有处理多语言文本的经验，了解不同语言（如中文、日语、韩语、俄语、阿拉伯语等）在书写、分词或表达上的差异；

2. 02

   熟悉多语言命名实体识别、跨语言实体链接、语言检测或多语言模糊匹配技术；

3. 03

   接触过作者消歧、机构归一化或多语言引用匹配相关任务；

4. 04

   使用过大语言模型辅助信息抽取或结果校验；

5. 05

   熟悉Unicode处理、多语言分词、语言特定正则规则等底层文本技术；

6. 06

   有PDF解析经验，或参与过多语言学术元数据项目；

7. 07

   了解多语言知识图谱构建的基本流程。