在人才获取平台上预测申请数量：利用多模态信号的语言模型方法
机器学习
2024-11-26 v1 人工智能
摘要
随着招聘和人才获取日益竞争，招聘公司在优化日常活动方面越来越复杂地使用机器学习（ML）方法。然而，大多数已发表的基于ML的方法局限于候选人匹配、岗位与技能匹配、岗位分类和标准化等任务。本文讨论了招聘领域的一种新任务，即申请数量预测，其动机源于设计有效的外展活动以吸引合格申请人。我们表明，现有的自回归式时间序列预测方法在该任务上表现不佳。因此，我们提出了一种基于多模态语言模型的方法，通过简单编码器融合各种模态的职位发布元数据。来自CareerBuilder LLC 大型真实数据集的实验表明，所提方法在多个基准方法上表现更佳。
引用
@article{arxiv.2411.15182,
title = {Forecasting Application Counts in Talent Acquisition Platforms: Harnessing Multimodal Signals using LMs},
author = {Md Ahsanul Kabir and Kareem Abdelfatah and Shushan He and Mohammed Korayem and Mohammad Al Hasan},
journal= {arXiv preprint arXiv:2411.15182},
year = {2024}
}