知识图谱因其自身的图展示、图挖掘、图模型计算优势，可帮助金融从业人员进行业务场景的分析与决策，有利于建立客户画像、进行精准营销获客，发现信用卡套现、资金挪用等行为，更好的表达、分析金融业务场景的交易全貌，从而成为行业的宠儿。

本次资源分享为30份人工智能细分领域行业报告。

最近，由于某些原因，特别关注了医疗知识图谱方面的发展&应用情况，有了些浅薄认识，故码此文，以供参考。

推荐系统火热，是互联网、大数据、人工智能发展的必然趋势。其可应用于各个细分领域。如：新闻微博、电商、外卖团购、视频音乐、搜索查询、社交人脉、证券股票等等。本文将重点关注推荐系统与知识图谱的结合。

自然语言处理(ML)、机器学习(NLP)、信息检索(IR)等AI领域，评估(evaluation)是一项非常重要的工作，其模型或算法的评价指标往往有如下几点：准确率(Accuracy)，精确率(Precision)，召回率(Recall)和综合评价指标(F1-Measure)。 简单整理，以供参考。

最近在做项目，经常遇到一些因为没有进行项目风险评估的坑，所以对项目常见问题进行汇总，以后可按照这些方面进行排查、评估，可使项目顺利、快速推进并落地。

本篇文章不涉及Markdown的基本用法，主要总结本人在使用Markdown写博客时所用到的奇技淫巧，如有需要，拿走不谢。

集智学园采用知识图谱的方式对原官网进行了一次升级，官方介绍：使用一种全新的高维方式来展示网站课程。之前看过明略的官网，动画效果与之类似，不知道此官网是不是从明略官网得到的灵感，并进行了升级。

“知识图谱”的技术实现流程与产品落地方向梳理。

1、知识图谱所说的关系是底层存储时以关系的形式存储，还是上层以关系的形式展示/应用，到底什么样的图产品可以称之为知识图谱？ 2、知识图谱的Schema如何设计，设计要点在哪，以及流程是什么样的？

从无到有搭建一个以疾病为中心的一定规模医药领域知识图谱，以该知识图谱完成自动问答与分析服务。该项目立足医药领域，以垂直型医药网站为数据来源，以疾病为核心，构建起一个包含7类规模为4.4万的知识实体，11类规模约30万实体关系的知识图谱。

To B 与 To C产品的区别的在哪? 对于这问题，做为PM，我确实缺少对这方面系统的分析与理解，而且缺少条理性；知道是知道，但并不代表明白、不代表可清楚的说出个子丑寅卯，所以当时的回答也就是“goushi一坨”。趁周末，仔细琢磨下。

以下49份知识图谱行业报告是本人在学习中收集整理，分享出来，以飨大家。 注-：如有内容涉及您的权益，请联系我，立即删除。

知识图谱又称为科学知识图谱，在图书情报界称为知识域可视化，或知识领域映射地图，用来显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及载体，挖掘、分析、构建、绘制和显示知识及他们互相之间的关系。尽管人工智能依靠机器学习和深度学习取得了快速进展，但这些都是弱人工智能，对于机器的训练，需要人类的监督以及大量的数据来喂养，更有甚者需要人手动对数据进行标记，对于强人工智能而言，这是不可取的。要实现真正的类人智能，机器需要掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景解析和决策分析。

在时间上，纽约走在加州前面三个小时，New York is 3 hours ahead of California,但加州并没有变慢。

你好，欢迎来到阿拉灯神丁Vicky的个人博客

图的遍历是指从图的任意节点出发，对图中的所有节点进行访问，并且每个节点只访问一次。图的遍历操作和树的遍历操作功能相似。图的遍历是图的一种基本操作，图的其它许多操作都是建立在遍历操作的基础之上。由于图结构本身的复杂性，图的遍历操作也较复杂，主要表现在以下4个方面：