面向职位匹配的高效信号集成系统
机器学习
2025-07-15 v1
摘要
LinkedIn 是全球最大的专业网络和求职平台, 在构建职位匹配推荐系统时面临冷启动、滤泡和影响候选人-职位匹配的偏见等多种建模挑战. 为此, 我们开发了 STAR (Signal Integration for Talent And Recruiters) 系统, 融合大语言模型(LLM)和图神经网络(GNN)的优势. LLM 在理解文本数据方面优异, 如成员档案和职位招聘; GNN 通过网络效应捕捉复杂关系并缓解冷启动问题. STAR 将多样化信号整合, 统合 LLM 与 GNN 能力, 并融合自适应抽样和版本管理等工业规模范式. 它为大规模推荐系统中的嵌入开发与部署提供端到端解决方案. 我们的关键贡献包括面向工业应用的稳健嵌入构建方法、高性能 GNN-LLM 集成的可扩展方案, 以及面向实际部署的实用见解.
引用
@article{arxiv.2507.09797,
title = {A Scalable and Efficient Signal Integration System for Job Matching},
author = {Ping Liu and Rajat Arora and Xiao Shi and Benjamin Le and Qianqi Shen and Jianqiang Shen and Chengming Jiang and Nikita Zhiltsov and Priya Bannur and Yidan Zhu and Liming Dong and Haichao Wei and Qi Guo and Luke Simon and Liangjie Hong and Wenjing Zhang},
journal= {arXiv preprint arXiv:2507.09797},
year = {2025}
}
备注
KDD2025