面向包容性就业的生产级机器学习系统：AI 驱动的残障人士职位匹配平台的需求工程与实现
计算机与社会
2025-08-19 v1
摘要
意大利残障人士的就业包含率仍严重不足，仅为 3.5%，尽管存在强制雇佣配额。传统的手动匹配流程需要 30-60 分钟才能完成每位候选人，制造了服务容量的瓶颈。我们的目标是开发和验证一个面向残障人士就业匹配的生产级机器学习系统，该系统整合了社会责任要求，同时保持决策中的人工监督。我们采用 Centro per l'Impiego di Villafranca di Verona 专业人士参与的需求工程方法。该系统实现了一个由七个模型组成的集成，采用 Optuna 并行超参数优化。多维评分结合了语义兼容性、地理距离和就业准备度评估。该系统实现了 90.1% 的 F1 分数和亚 100ms 的响应时间，同时在不到 10 分钟内处理了 50 万个候选人-公司组合。专家验证确认了就业中心容量提升 60-100%。LightGBM 集成显示出 94.6 秒的训练时间。因此，先进的 AI 系统能够在不损害技术性能的前提下成功地整合社会责任要求。参与式设计方法为开发针对敏感社会领域的伦理 AI 应用提供了可复制的框架。该完整系统包括源代码、文档和部署指南，已公开开放，以便其他地区和国家在面临类似挑战时进行复制和适应。
引用
@article{arxiv.2508.11713,
title = {A Production-Ready Machine Learning System for Inclusive Employment: Requirements Engineering and Implementation of AI-Driven Disability Job Matching Platform},
author = {Oleksandr Kuznetsov and Michele Melchiori and Emanuele Frontoni and Marco Arnesano},
journal= {arXiv preprint arXiv:2508.11713},
year = {2025}
}