ConFit v2：利用假设简历嵌入与亚军难负样本挖掘改进简历-职位匹配
计算与语言
2025-03-04 v3
摘要
可靠的简历-职位匹配系统有助于公司从简历池中推荐合适的候选人，也有助于求职者从职位列表中查找相关职位。然而，由于求职者仅申请少数职位，简历-职位数据集中的交互标签是稀疏的。我们引入了ConFit v2，这是对ConFit的改进，旨在解决这一稀疏性问题。我们提出了两种技术来增强编码器的对比学习过程：利用大型语言模型生成假设参考简历来扩充职位数据；以及利用一种新颖的难负样本挖掘策略，从未标记的简历/职位对中创建高质量的难负样本。我们在两个真实数据集上评估了ConFit v2，结果表明它在职位排序和简历排序任务上均优于ConFit和先前方法（包括BM25和OpenAI text-embedding-003），在召回率上实现了平均绝对提升13.8%，在nDCG上实现了17.5%的提升。
引用
@article{arxiv.2502.12361,
title = {ConFit v2: Improving Resume-Job Matching using Hypothetical Resume Embedding and Runner-Up Hard-Negative Mining},
author = {Xiao Yu and Ruize Xu and Chengyuan Xue and Jinzhong Zhang and Xu Ma and Zhou Yu},
journal= {arXiv preprint arXiv:2502.12361},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2401.16349