具有丰富的自然语言处理专业知识，熟练掌握自然语言处理的常见任务，如中文分词、命名实体识别、关系抽取、文本分类、文本匹配等；
熟悉文本挖掘等相关技术，如分类、聚类、摘要、信息提取、关联模式分析等
具有知识图谱工程化落地的相关经验，如图谱构建、知识推理、基于知识图谱的问答等
熟悉深度学习框架TensorFlow，了解Keras和pytorch，掌握深度学习模型训练及工程部署；
熟悉经典的神经网络，如CNN、LSTM、Transformer，以及图神经网络，如GraphSAGE、GCN、GAT等
熟悉使用python进行开发，如需工程需要也可以用java进行开发

金融知识图谱项目：
对非结构化的文本数据（如新闻、年报等）进行清洗，从文本中抽取实体、关系及属性，根据相关业务需求构建企业金融知识图谱；
行政处罚问答系统：
对公开的行政处罚文书进行结构化处理，构建行政处罚领域知识图谱，并在此基础上开发行政处罚问答系统，其中包括KBQA及任务型QA；
眼科知识科普检索系统：
基于上万条眼科知识QA问答对构建的知识检索系统（IR），供患者使用，整个技术架构包括问句重写、情感分析、字面匹配、问句匹配等；