融合相似图的层次化职位分类
机器学习
2025-07-15 v1
摘要
在线招聘领域，准确的职位分类对于优化职位推荐系统、搜索排名和劳动力市场分析至关重要。随着职场市场的不断演变，职位标题和描述的日益复杂化，迫切需要能够有效利用职位数据中复杂关系的高级模型。传统的文本分类方法往往不足，尤其是由于无法充分利用行业类别的层次化结构。为此，我们提出一种新型的表示学习和分类模型，将职位和层次化行业类别嵌入到潜在嵌入空间中。该模型整合了标准职业分类 (SOC) 系统和内部构建的层次化分类体系 Carotene，以捕捉图谱和层次化关系，从而提高分类精度。通过将层次化行业类别嵌入共享的潜在空间，我们解决了冷启动问题，并增强了候选人与职位机会之间的动态匹配。在大型职位发布数据集上的广泛实验表明，该模型在充分利用层次化结构和丰富语义特征方面具有卓越能力，显著优于现有方法。该研究为提高职位分类精度提供了稳健框架，支持招聘行业更有信息的决策。
引用
@article{arxiv.2507.09949,
title = {Hierarchical Job Classification with Similarity Graph Integration},
author = {Md Ahsanul Kabir and Kareem Abdelfatah and Mohammed Korayem and Mohammad Al Hasan},
journal= {arXiv preprint arXiv:2507.09949},
year = {2025}
}