【学问图谱】复旦高校：基于学问图谱的用户画像技术争辩
号 ai-cps
功能引见 OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：外形感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。
2017-11-01原文
收录于话题
复旦高校 基于学问图谱的用户画像技术争辩
 
基于标签的用户画像
基于标签的用户画像：给 用户打爱好、行先、属性等不同维度的标签，并 赋以不同的权重，以精确     刻画用户。
当前画像的次要问题
-不全
•数据稀疏 
•隐私疼惜
-不准
•乐音标签 
•粒度太粗
 
什么是学问图谱
 
学问图谱
学问图谱是一种海量学问表征形式， 表达了客类实体及其之间的各种语义关系。
-更高的实体、概念掩盖率
it是什么行业-
更为丰富的语义关系 -自动化构建程度
-较高的数据质量
 
利用学问图谱改善用户画像
 
基于社交图谱的标签扩展
 
基于社交图谱的标签传播
问题：很多用户处于隐私考虑，不愿发布标签，或者刻意隐蔽本人的行为
思路：从你的好友，寻求关于你的合适标签
方法：基于PageRank机制，让好友的标签传播到特定用户
-越多好友具有某个标签，用户越可能具有某个标签
-关系越强，标签越可能传播到某个用户
 
基于标签传播的用户画像
 
基于学问图谱的标签扩展
 
基于学问图谱的标签扩展
 
标签泛化
 
基于最小描述长度的标签泛化
 
基于学问图谱的夸平台推举
 
互联网标签系统体系架构
产品由"三库一引擎"构成，可以独立构建。也可以作为大数据分析处理平台的无机组 成部分，定位于业务感知层，向下对接数据融合层，对上服务于数据使用层。
 
URL标签化及维护实现原理
 
学问工场
阿里学问图谱多智能：千万级别拦截量，亿级别全量智能审核次数
新零售技术解读 
导读：阿里巴巴生态里积累了海量的商品数据，这些贵重的商品数据来自于淘宝、天猫、1688、AliExpress等多个市场，同时品牌商、行业运营、管理运营、消费者、国家机构、物流商等多种角参与其中，贡献着校正着这样一个浩大的商品库。但无论从学问产权疼惜角度，还是提升消费者购物体验，实现商品数据的标准化（商品规范的统一和商品信息的确定性）, 以及与内外部数据之间的深度互联，意义都格外严峻，阿里商品学问图谱承载着商品标准化这一基础性，根源性的工作。