AI产品经理

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。