【百度】【搜索策略部】机器学习数据挖掘自然语言处理

【百度】【搜索策略部】机器学习数据挖掘自然语言处理

工作职责:
-负责搜索排序、搜索推荐、视觉搜索等策略方向的研发工作

-理解与满足用户搜索需求，并予以算法改进和系统实现

-对互联网资源挖掘、识别及分类
-负责以下一个或多个搜索相关技术方向的算法优化和研发工作

【Query理解方向】
负责百度搜索中的query需求理解策略，服务通用搜索及阿拉丁，具体包裹纠错、改写、需求识别及成分分析等方向。

【整页&点击方向】
负责百度搜索的ctr预估、时长预估、个性化、多向性、异构结果融合排序等多个核心线条，并充分利用深度学习，图学习，多任务学习等前沿技术，探索整页排序的理想方式。

【基础相关性&LTR方向】
负责百度搜索中的query分析、语义技术、语义索引、语义匹配、排序模型、网页理解等工作，在搜索场景下应用落地，提升用户体验。

【质量权威性方向】
负责百度搜索整体的质量以及权威性体验，基于NLP技术与BERT/ERNIE等深度语义技术建模网页质量、建模Doc/作者/站点是否官方、专业、权威、可信，提升百度搜索优质及权威内容的占比。

【时效性方向】
负责百度搜索整体时效性需求的满足，通过基于ERNIE等深度语义技术理解query时效性需求并提升满足模型，结合NLP技术、知识图谱、语义索引、深度学习等方向的前沿技术全系统解决搜索新资源分发，提升搜索用户时效性体验，

【上层排序方向】
负责百度搜索自然结果的上层排序模块的优化和升级，挖掘query和文档的深度语义和需求匹配等特征，优化通用和重点垂类排序策略的表达能力，不断提升百度搜索结果的满意度。

【DeepQA方向】
负责打造以Question Answering为基础的下一代智能搜索技术，支撑首条结果即满足的top1搜索、以及语音交互等全场景下的智能搜索，涉及对问题理解建模、问答语义建模、深度阅读理解、多模态问答VQA、对话式问答CQA等一系列关键技术的跟踪前沿、落地应用及创新突破。

【搜索推荐方向】
负责搜索推荐产品的策略研发工作，包括召回和大规模排序方向相关推荐技术研发和探索，多场景下推荐技术/产品的优化和创新。

【垂直搜索方向】
负责非传统网页类型资源的搜索，包括视频、图片、短评论、号搜索等，基于传统NLP、深度学习、富媒体内容理解、多模态语义等技术，搭建多垂类搜索全系统，提升通用搜索中垂直资源的召回排序体验，并不断提升垂直搜索场景的整体体验和规模。

【多模搜索方向】
负责百度语音搜索和视觉搜索的策略研发工作，基于语音技术、视觉技术、NLP技术、搜索等多种核心AI能力，优化多模搜索体验和探索最前沿的产品创新。

职责要求:
-具有以下一个或多个领域的理论背景和实践经验者优先：机器学习/数据挖掘/深度学习/信息检索/自然语言处理/计算机视觉

-熟练掌握Python/JAVA/C++ 至少一门语言，熟练使用常用算法和数据结构

-良好的逻辑思维能力，对数据敏感，能够发现关键数据、抓住核心问题

-有强烈的上进心和求知欲，善于学习新事物，渴望用技术改变未来

简历投递方式：nackel@yeah.net

关于AINLP

AINLP 是一个有趣有AI的自然语言处理公众号，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。

阅读至此了，分享、点赞、在看三选一吧🙏