其实前厅接待员说起来是没什么技术含量的，首先气质要好，面试的时候最好穿着整洁干净，不宜浓妆，面试前先对前厅接待员的工作内容有个大概的了解。其实我也没有面试过，瞎答的，仅供参考。
前台接待的英文：Corporate receptionist
receptionist 读法 英 [rɪ'sepʃ(ə)nɪst] 美 [rɪ'sɛpʃənɪst]
n（名词）. 接待员；传达员；前台接待
短语
1、Spa Receptionist 水疗接待员
2、Medical Receptionist 医疗接待师
3、Receptionist Position 售后接待
4、Night Receptionist 前台接待夜班
5、Digital Receptionist 语音服务
扩展资料
Receptionist 近义词 secretary
词语用法
1、secretary的基本意思是“秘书”,也可作“书记”“部长,大臣”解,是可数名词。当secretary表示唯一职务时,其前不加定冠词。
2、secretary作“部长,大臣”解时,首字母大写。
3、secretary常和介词to或of连用,表示“的秘书”。接人时常用to,接物时常用of。
4、secretary作名词，特指某一职位时，前面不加冠词a，后跟介词to，
词汇搭配
1、employ a new secretary 雇用新秘书
2、train a secretary 培训秘书
3、capable secretary 精明能干的秘书
4、chief secretary 秘书长
5、Foreign secretary 外交部长
在每个组织中，接待员扮演着至关重要的角色。他们是公司的门面，负责接待来访者并为其提供必要的帮助和指导。接待员工作职责涵盖了广泛的任务范围，要求他们具备出色的沟通和组织能力。
作为一名接待员，您将成为公司的第一印象代表。您的工作之一是热情地迎接和接待来访者，无论是客户、合作伙伴还是潜在的雇员。您需要给予他们良好的印象，并确保他们感受到您的专业和友善。这意味着您需要提供正确的信息并解答他们的问题。
作为接待员，您将成为公司内部和外部沟通的纽带之一。您将负责接听和转接电话，记录留言并回复电子邮件。因此，出色的电话礼仪和书面沟通能力对于履行接待员工作职责非常重要。您需要在通话中保持礼貌和专业，以提供卓越的客户服务。
大堂是公司的前厅，作为接待员，您需要确保大堂的秩序良好。这意味着您需要保持大堂整洁、有序，并确保工作场所的安全。您还需要处理来访者的登记和访客凭证，并向他们提供所需的信息。维护大堂的专业形象是您的职责之一。
与公司内部员工和外部客户进行会议安排也是接待员的职责之一。您需要使用日历管理软件，安排和协调会议时间、地点和与会人员。此外，您还可能需要安排公司内部的活动和庆祝活动。
在忙碌的办公环境中，接待员经常被要求提供各种支持和协助。这可能包括打印和复印文件，准备会议材料，以及协助其他团队成员解决办公室问题。您应该具备良好的组织技巧和多任务处理能力，以便有效地协助办公室管理。
作为接待员，您将接触到公司的机密信息和敏感数据。因此，保护公司和客户的隐私至关重要。您需要遵守保密规定，并采取适当的措施保护数据的安全。保持信息的机密性对于您的职责和公司的声誉都非常重要。
作为公司团队的一部分，接待员需要与其他部门密切合作。您可能需要与人力资源、行政和销售团队协调工作。因此，与团队合作和良好的人际关系能力对于成功履行接待员工作职责非常重要。
总之，作为接待员，您的工作职责涵盖了接待来访者、管理电话和邮件、维护大堂秩序、安排会议和活动、协助办公室管理、保护机密信息以及与团队合作。这些任务要求您具备出色的沟通、组织和协调能力，以及保持专业形象的能力。通过高效地履行这些职责，您将成为公司的重要支柱，为公司和来访者提供优质的服务。
商务接待员：英文全名 "Business receptionist"。主要负责公司的各项商务日常接待，要求：形象好气质佳，普通话标准，接受过专门的礼仪培训，会英语者优先。 "Business receptionist"
商务接待礼仪：
1.接待人员要品貌端正，举止大方，口齿清楚，具有一定的文化素养，受过专门的礼仪、形体、语言、服饰等方面的训练。
2.接待人员服饰要整洁、端庄、得体、高雅；女性应避免佩戴过于夸张或有碍工作的饰物，化妆应尽量淡雅。
3.如果来访者是预先约定好的重要客人，则应根据来访者的地位、身份等确定相应的接待规格和程序。在办公室接待一般的来访者，谈话时应注意少说多听，最好不要隔着办公桌与来人说话。对来访者反映的问题，应作简短的记录。
接待专员岗位职责: 1.服从前台接待主管的领导，按规定的程序与标准向客人提供一流的接待服务 2.负责访客、来宾的登记、接待、引见，对无关人员应阻挡在外或协助保安处理 3.熟练掌握公司概况，能够回答客人提出的一般性问题，提供常规的非保密信息 4.负责电话、邮件、信函的收转发工作，做好工作信息的记录、整理、建档 5.负责公司文件、通知的分发，做好分发记录并保存 6.配合接待主管完成部分文件的打印、复印、文字工作 7.负责管理前台办公用品及办公设备的清洁保养 8.维护前台区域内的整洁，进行该区域内的报刊杂志、盆景植物的日常维护和保养 9.执行公司考勤制度，负责员工的考勤记录汇总、外出登记，监督员工刷卡 10.负责员工出差预订机票、火车票、客房等，差旅人员行程及联络登记 11.对工作中出现的各种问题及时汇报，提出工作改进意见 12.完成领导交办的其他或临时工作
1、遵守规章制度：严格遵守公司的各项规章制度，服从主管的工作安排，认真完成各项工作任务；
2、制定接待方案：负责重要来访人员接待方案制定及实施，全程跟进协调；
3、接待客户来访：负责客户的来访、资料收集、信息存档等工作，提供咨询服务；
4、做好配套服务：做好接机送机行程安排、差旅住宿、餐饮后勤保障等配套服务；
5、组织准备会务：负责商务、会务、政务及大型活动的组织准备工作，确保服务质量；
6、管理会务活动：检查所有接待人员的仪容、仪表，为客户提供迎宾和指引服务，监管岗位区域的卫生状况，检查消防安全，提供茶饮服务，负责设备维修保养的监督，做好交接管理；
7、做好应急管理：及时汇报处理来宾遇到的困难和要求，做好应急管理工作；
8、参加培训与考核：参加针对接待人员组织的服务技能培训与考核，提高自身业务能力；
消防接待员岗位职责一是24小时受理群众的报警、求助、咨询;做好110报警电话的接听、录入、报告几相关的信息传递、查询等工作;二是严格遵守各项工作纪律和规章制度,保守警务机密,熟练掌握110接警系统的操作,熟悉公安机关、社会职责部门的职能和作用;三是接听110报警电话中,按要素进行询问和文字录入。受理警情时应语言简洁、规范。接听非警情求助时,要做好解释工作,并提供必要的帮助;四是对需要处置的警情,做到“接听、询问、文字录入”三同步,。
就是负责餐厅区域服务、宾客接待等人员。
其岗位职责是：1、接听顾客的咨询、投诉电话，做好记录的反馈；2、为顾客提供满意的服务，包括礼品包装、开发票、办理VIP卡、发放报纸、礼券等；3、负责商场的环境卫生的检查维护，做好分承包方的管理；4、熟练掌握商场的促销信息，为顾客做好导购咨询服务。
专门负责接待的人员叫接待员。
接待员是指于门前接待的人员，以前又称为知客，例如于寺庙接待信众的僧人称为知客僧。知客一词现时仍常见于香港及澳门，在中国大陆的一些大城市也可见到。
接待员也可能指企业询问处的职员，行政部门的第一线服务员，他们负责接待访客，了解其来意，并有效分流到其他部门，进一步给来宾深度服务。
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
