知识图谱算法研发工程师

岗位职责 知识图谱全生命周期研发 承担知识图谱从构建到优化的全流程工作，涵盖知识表示（如TransE、RotatE等模型）、实体识别与链接（NER、实体消歧）、关系抽取（监督/弱监督/开放域方法）、知识融合（多源信息对齐）等关键技术环节； 设计并实现知识推理机制（如基于规则的推导、图神经网络推理），增强图谱的逻辑推理能力及其在实际应用中的价值。 技术落地与场景适配 结合具体业务领域（如金融风控、医疗问诊、智能客服等），提升知识图谱在搜索推荐、问答系统、风险预警等场景下的使用效果； 协同产品与工程团队，推动算法模型转化为可复用的技术组件或平台能力（如图数据库性能调优、知识服务接口设计）。 数据与模型迭代 识别影响知识图谱质量的关键因素（如覆盖率、准确率），制定数据标注策略或构建主动学习框架以提升数据品质； 关注学术前沿进展（如大语言模型与知识图谱融合、动态图谱建模），引入创新方法持续优化现有模型表现。 任职要求 基础要求 硕士及以上学历，计算机、人工智能、自然语言处理等相关专业优先考虑； 掌握知识图谱核心技术体系，包括： 知识抽取：熟悉NLP常用算法（如BERT、CRF、Prompt学习）； 知识表示：了解Trans系列、ComplEx等嵌入式建模方法； 知识推理：具备规则引擎（如Drools）、图神经网络（如GCN、GAT）相关知识； 工具与平台：熟练操作图数据库（Neo4j、HugeGraph）、知识图谱平台（如阿里的KGPlatform）。 技术能力 精通Python/Java编程语言，熟练运用PyTorch/TensorFlow等深度学习框架； 具有扎实的数学功底（概率论、线性代数、图论），能够独立完成算法设计、实验验证及结果分析； 有知识图谱实际项目落地经验（如金融反欺诈、医疗知识库建设）者更受青睐。 软技能 具备良好的逻辑思维能力和跨团队协作意识，能快速理解业务需求并转化为可行的技术路径； 对技术发展趋势保持敏感，能主动研读顶会论文（如AAAI、KDD、EMNLP）并推动技术成果应用。