广西微书房数字科技有限公司

负责面向数字阅读、智慧书房、文化 AI 应用的中文文本语料库建设，开展语料采集、清洗、标注、质量评测与库体迭代，搭建标准化语料处理管线，支撑公司数字内容产品、大模型应用研发，协同产品、算法团队落地文化数字化项目。 岗位职责 结合公司智慧书房、数字文化业务需求，规划中文文本语料库建设方案，制定语料分类、标注、质量验收标准与元数据规范。 负责多源文本素材采集、解析、去重、降噪、结构化处理，使用 Python 开发自动化清洗脚本，搭建语料处理流水线。 组织并执行语料标注、质检、抽样评估，建立质量管控机制，持续优化语料纯度、准确性，维护语料版本管理。 负责语料库的入库、管理、更新与迭代，对接算法、产品团队，输出适配 AI 应用、数字阅读产品的高质量训练语料。 研究文本处理、NLP 相关技术，调研行业语料建设方案，沉淀工具与流程，提升语料生产效率。 完成语料项目文档编写、数据台账管理，配合内部项目验收与技术汇报。 任职要求 学历：本科及以上学历，计算机、汉语言、语言学、人工智能、数字媒体等相关专业。 掌握 Python 基础，熟悉文本处理、正则表达式，了解 NLP 基础概念；有语料清洗、标注、数据集建设经验优先。 具备良好中文功底，对文本质量敏感，熟悉图书、教育、文化类文本内容者优先。 了解数据处理流程，能独立完成语料质检、数据分析，具备文档撰写能力。 严谨细致，有较强逻辑思维，良好跨团队沟通协作能力，有数字文化 / 出版行业项目经验优先。