面向人才搜索的会话内个性化

先前在人才搜索候选人推荐方面的努力遵循一种通用模式：接收初始搜索条件并利用预训练模型生成一组候选人。传统上，生成的推荐是最终的，即除非用户显式更改其搜索条件，否则潜在候选人列表不会被修改。在本文中，我们提出一种候选人推荐模型，该模型考虑用户的即时反馈，并在每一步更新候选人推荐。此设置也允许信息量极少的初始搜索查询，因为我们在搜索会话期间通过反馈来精确定位用户意图。为实现目标，我们采用基于主题建模的意图聚类方法，将候选人空间划分为有意义的、可能重叠的子集（我们称为意图簇）以对应每个职位。在候选人分段之上，我们应用多臂老虎机方法来选择对当前会话更合适的意图簇。我们还提出一种在线学习方案，该方案在会话内根据用户反馈更新意图簇，以实现进一步个性化。我们的离线实验以及我们方案的在线部署结果均展示了所提方法的优势。