知识图谱是由一些相互连接的实体和他们的属性构成的。

表示为一个SPO三元组(Subject-Predicate-Object)，

常用用RDF (Resource Description Framework) 形式化地表示这种三元关系。所有的实体都能这样表达，抽象程度可以很高，好的知识图谱能非常合适的根据场景控制粒度，所有的属性直指实质。

* 在NIPS/ICML/ICLR/CVPR/KDD等顶会有发表过论文；

https://www.jobui.com/gangwei/zhishitupugongchengshi/

岗位职责： 1、调研知识图谱相关常用算法，实现知识融合，知识推理等； 2、负责相关行业的知识图谱的建设。 岗位要求： 1、正规院校本科及以上学历，软件、计算机、统计、数学等相关专业；

熟悉知识本体和本体建模，熟练掌握知识图谱的构建和应用等技术，熟悉信息抽取和知识管理； 3、掌握Entity Linking, Relation Extraction以及图谱相关算法； 4、熟悉至少一种图数据库（Neo4j, Titan, OrientDB），熟悉图查询语言Cypher或Gremlin之一； 5、具有图谱构建，图谱上的应用等实际应用经验者优先；

6、良好的学习能力、沟通能力、团队协作能力、及分析问题解决问题能力，责任心强。

​

参与或主导蚂蚁金服知识图谱平台的知识推理、NLP平台、知识建模、图谱构建、存储优化、知识评估、推理应用等的能力建设，支撑蚂蚁多样化的金融图谱应用场景。

电商行为、支付数据、位置轨迹及关系网络等对全球用户、商户进行深入的分析及挖掘，构建全球用户及商户画像

基于跨境支付、境外本地站点等国际业务场景及特点，设计搜索、推荐及营销引流等算法模型及策略，提升用户体验和转化效果，帮助用户增长及商家成长。

深度学习、时序预测等技术帮助国际更加安全、高效的实现资金流动性、外汇及金融监督等管理。

作为智能对话产品经理，负责对话、语音、语义、知识图谱相关产品的平台规划与落地； 2）结合人机对话能力，设计创新产品和场景应用，把握关键路径和用户价值的实现； 3）敏锐把握智能化趋势和前沿产品方向，并转化为产品业务的提升；

熟悉相关AI产品的实现机制，对解决方案有较深理解； 3）具备较强的产品规划和架构能力，能很好的进行共性抽象和框架设计； 4）具备较强产品洞察力和敏锐感，善于发掘用户潜在需求，具有一定的行业前瞻性； 5）有产品大局观，同时注重产品细节体验；擅长策略设计，并对数据有较强敏感度； 6）突出的沟通协调能力、自驱力、执行能力及团队合作精神，能承受较大的工作压力。

能够独立思考，具有良好的沟通能力、判断力，可以分析和拆解产品中的问题并转化为AI和机器学习实际问题； 3、对ToB、产业互联网、人工智能技术有深刻的认识，熟悉热点领域和主要产品形态，有良好的视野、商业意识和数据视角； 4、有较强的沟通协调能力，能够很好的组织协调多部门将方案推进落地。

岗位职责：

1. 负责从全网挖掘商品及其周边相关知识，包括用户需求场景挖掘以及商品打标等，构建知识图谱；
2. 负责知识图谱的命名实体识别、实体链接、关系抽取、知识推理、知识融合等技术实现工作；负责大规模知识图谱构建，将海量数据结构化、图谱化；【中文分词标注、文本分类、语言模型、知识库挖掘、问答系统设计等NLP相关算法；
3. 负责将图谱应用于公司的一些创新业务。

在一个或多个领域（如语义分析、信息抽取、知识图谱等）能够独立开展研发工作；

具有图谱构建（特别是从非结构化或者半结构化的数据中），图谱上的应用等实际应用经验者优先。

antv-G6/echarts/D3，熟悉canvas原理，有复杂表格、流程、多图多界面联动、图可视化等开发经验优先。

如下领域中有扎实基础或相关架构经验者优先：机器学习 • 深度学习 • 搜索引擎 • 自然语言处理 • 图计算•TensorFlow.js等。

对搜索、推荐、智能营销、文本生成、图像及视频合成等领域中至少一个有深入研究且主持过算法相关的开发工作，所开发的算法有影响范围较广的落地应用。

包括机器学习引擎、参数服务器、基础推理引擎等的效果与性能优化。

\2. 面向业务算法的底层引擎优化，包括机器学习引擎、参数服务器、基础推理引擎等的效果与性能优化。

熟悉知识图谱、信息抽取相关的算法和逻辑，有命名体识别、知识抽取、句法分析、情感分析、文本分类等项目经验者优先；

在广告、推荐、预测、知识图谱、用户画像、自然语言处理等方向

理解 电商、推荐等相关产品

有智能问答、情感分析、信息抽取、知识图谱、自动摘要、新词发现、命名实体识别、句法分析、文本分类、文本相似度等项目经验者优先

负责知乎文本质量标签和内容标签体系建设，括但不限于：文本分类和Tag抽取、质量分级、情感分析等，以及前沿NLP算法探索。

常用的语言模型如N-Gram、NNLM、LSTM、CRF、翻译模型，有相关的优化经验；

优先考虑有LR/GMM/SVM/CRF/MaxEnt/HMM/DNN/CNN/RNN的研究背景者；

一定的算法基础，对nlp, kg, ml, dnn等相关技术有较深入理解；

常见机器学习或数据挖掘类的算法原理，熟悉常见的统计原理及方法

数据结构和算法功底，熟悉机器学习、自然语言处理、数据挖掘中一项或多项

熟悉NLP领域当前热点和前沿技术，对NLP有完整系统认识的优先

NLP、机器学习、数据挖掘等技术，持续提升业务效果

掌握NLP相关原理，具有一定的算法基础，具备传统机器学习、深度学习方面的研究经验和基础，同时熟悉Tensorflow/Keras等主流框架，并能基于框架进行NLP实践开发

Growth Hacking AB实验 数据建模

SAS MATLAB

-优先考虑能够在Kaldi/TensorFlow/PyTorch/Keras TensorFlow/Caffe/MXNet/ 上 开展实验者 等深度学习框架实战经验。

Hive，Spark Hadoop/Spark/ODPS等 等数据计算平台 有pb级别大数据处理经验；

大规模数据处理的常用方法，熟悉Hadoop/Spark/Strom/Flink等至少一种分布式系统,熟悉Hive SQL语言；

、Hadoop/Spark/Flink/Storm/HBase