基础信息

学历:本科

学校:东北师范大学

专业:公共艺术设计

身体状况:健康

求职意向

意向城市:广东省珠海市

教育经历

东北师范大学

2013.09 ~ 2017.06

公共艺术设计

本科

主修课程:浮雕笔画、扎染艺术、图案设计、纤维艺术、图形创意、摄影、计算机辅助设计、

展示设计、传统工艺、艺术学、设计学、材料学、美学、心理学。

文字编辑

工作经历

性别:女

中国能源建设股份有限公司

文字编辑

2017-12-1 ~ 2020-6-1

生日:1991.05

电话:188-8888-8888

邮箱:email@jianli1.com

所在地:广东省珠海市

• 编辑、修订新闻报道 1000 余条,平均阅读量达两万人次以上,为东南亚、南亚读者提供最新

国际消息

• 采访中国国家芭蕾舞团首席,为中国版芭蕾舞剧《舞姬》起草各类中、英文新闻材料 4 篇

• 通过后台数据对社会热点和读者偏好进行分析并提出调整计划,两周内增加 25%阅读点击量

技能列表

中国中车股份有限公司

文字编辑

2020-7-1 ~ 2022-11-1

WPS Office

• 教学运营(2016. 10 – 2017. 08)

• 任教 150 天,管理 3000 人社群,为学员解答学习问题、使用问题,组织社群活动,保持社

群活跃度,保证课程完成率、打卡率及其他各项指标稳定。

• 开创讲义背景知识模块,制定讲义撰写标准,搭建讲义编审最小循环团队。

• 策划编辑(2017. 09 – 2019. 05)

ET

• 负责入门级别(词汇量 1500-3800)英文原版书的选题策划,与外籍编辑一同合作改写公版

书,负责英文分级读物的组稿、终审、宣传文案、报错反馈,其间负责上线了《希腊神话》《天

方夜谭》《绿野仙踪》《丛林之书》《柳林风声》《长腿叔叔》等公版改写读物,以及国家地理学

习出版社的《Page Turners》系列、柯林斯出版社的《阿加莎·克里斯蒂系列》等版权分级读

物。

Powerpoint

Dreamweaver

• 管理包括 3 名外籍编辑、3 名改写编辑、4 名讲义编辑在内的 10 人外包编辑团队,协调各环

节之间的人员分配,把控整体进度,确保内容在开课前准时上线。

• 协助版权代表与柯林斯出版集团、圣智教育集团、麦克米伦出版集团、牛津出版社等合作方

沟通分级读物的试读、引进、制作等事宜。

• 担任“薄荷生活 MintLife”微信公众号编辑,撰写公众号文章,开展粉丝运营活动。

• 明星有声书推广(2019. 01 – 2019. 05)“虚拟小组”

• 协助赵又廷《小王子》明星有声书的微博推广,宣传周期内负责运营管理“薄荷阅读

MintReading”官方微博账号,与第三方合作公司对接,确保微博推广执行到位。

• 协助赵又廷《小王子》明星有声书的微信推广,对内撰写“薄荷阅读 MintReading”微信公

众号通稿,协调公司其他项目配合宣传;对外与多个外部公众号对接,确保推送内容的质量和

推送时间的准确,跟进后续数据反馈和付款流程。

• 其他

• 撰写英语角色扮演游戏“Nice to Mint You”的游戏剧本,并协助上线进行小范围 MVP 测

试。

项目经验

能源建设相关项目

2017-12-1 ~ 2020-6-1

中国能源建设股份有限公司

文字编辑

N-gram 检错:训练通用领域及专业领域 N-gram 语言模型,计算文本中每个字的概率,判断其错误与否;

N-gram 纠错:利用混淆集对错误字符进行替换,并利用 N-gram 语言模型进行打分,获得正确文本形式;设置距离阈值防止误

纠;

Bert 检错:采用 Bert、Electra 等模型进行文本检错;通过领域内预训练提升模型检错效果;

数据生成:根据实际数据中连续错误字符长度分布及错误字符数量分布生成平行错误数据;利用 N-gram 模型选取候选错误字符集

中得分最高字符进行替换加大后续模型训练难度;对同一句子进行两次采样,并对不同位置进行字符替换,使得模型能够习得正确

文本信息,模型检错 F1 值提升 24.5%;

纠错模型:使用 FaSpell、SpellGCN 等模型进行文本纠错;

中车股份相关项目

2020-7-1 ~ 2022-11-1

中国中车股份有限公司

文字编辑

N-gram 检错:训练通用领域及专业领域 N-gram 语言模型,计算文本中每个字的概率,判断其错误与否;

N-gram 纠错:利用混淆集对错误字符进行替换,并利用 N-gram 语言模型进行打分,获得正确文本形式;设置距离阈值防止误

纠;

Bert 检错:采用 Bert、Electra 等模型进行文本检错;通过领域内预训练提升模型检错效果;

数据生成:根据实际数据中连续错误字符长度分布及错误字符数量分布生成平行错误数据;利用 N-gram 模型选取候选错误字符集

中得分最高字符进行替换加大后续模型训练难度;对同一句子进行两次采样,并对不同位置进行字符替换,使得模型能够习得正确

文本信息,模型检错 F1 值提升 24.5%;

纠错模型:使用 FaSpell、SpellGCN 等模型进行文本纠错;

自我评价

有较强的学习能力和探索精神,为人处事颇具原则性,不论是 notebook 还大型电子数码产品都十分熟悉。

思路清晰,具有优秀的市场调研、项目谈判能力和执行经验。

本人有丰富的记者编辑、营销、品牌、企业形象策划,熟悉各媒体,对市场敏感度高。

我是一个对理想有着执着追求的人,坚持自己思维、不断反省,能承受较大工作压力。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注