项目描述：项目背景：融合数字人文与数据可视化技术，打造兼具学术价值、教育意义与文化传播属性的古典文学数字化平台，实现《全宋词》文本数据的可视化解析与互动展示。 核心职责： 1、统筹项目全流程，协调4人团队完成数据处理、可视化开发、测试优化等分工，确保按期交付。 2、主导数据预处理流程，基于Python实现21050条宋词解析、清洗、格式转换等数据问题。 3、调用 DeepSeek大模型完成宋词情感标注，结合 jieba分词技术实现文本语义解析。 项目成果： 1、成功开发一站式可视化网站，支持数据探索与随机宋词推荐功能。 2、实现21050条宋词的情感量化分析，情感标注准确率达90%以上，构建结构化数字知识库。

项目描述：项目背景：针对职业类型与心理疾病的关联机制尚未明确，基于英国劳动力调查数据构建机器学习预测框架，探索职业特征对心理健康的影响模式，为高风险群体识别与干预策略制定提供数据支撑。 核心职责： 1、负责数据全流程处理，基于Python完成10955条劳动力调查数据的清洗、缺失值补全。 2、构建多算法预测模型，基于Scikit-learn实现KNN、决策树、随机森林、SVM等模型训练。 3、完成模型评估与调试，通过混淆矩阵、分类评估报告、学习曲线分析模型性能。 项目成果： 1、建立标准化数据处理流程，补全高缺失率字段，数据完整性从63%提升至100%，提供高质量数据集。 2、构建的随机森林与SVM模型测试集准确率达93%+，有效捕捉非线性特征关联。 3、提出异常检测适配高不平衡数据的创新思路，为同类研究提供方法论参考。