课程项目，目标是识别公告中的风险表述。我负责数据构建与模型实现：爬取公开公告并人工标注800条样本，用TF-IDF加逻辑回归做基线，再以BERT微调对比；与两名同学分工完成标注复核与结果分析。在固定测试集（200条）上，微调模型F1约0.81，较基线高约6个百分点；同时复盘了长文本截断带来的漏判问题，输出实验报告与改进方向，并整理特征与超参对照表供小组复现。

个人项目，用于练习NLP特征工程与排序评估。我独立完成简历与岗位描述的分词、技能词典抽取和向量相似度打分，并加入规则重排；用自建200组人工标注对做离线评估，Top-3命中率约72%。项目暴露了同义技能未归一的问题，我补充了词典映射并记录消融结果，代码与说明整理在个人仓库中，并补充了数据清洗与评估脚本的说明文档。