基于求职选择进程的职位推荐
信息检索
2020-06-04 v2 机器学习
机器学习
摘要
职位推荐传统上被视为基于筛选的匹配，或作为基于作为离散实体的职位与候选人特征的推荐。本文引入一种方法，利用候选人通过机器学习产生的求职选择进程。此外，我们的推荐由若干其他子推荐组成，这些子推荐至少贡献于以下之一：a) 使推荐对终端用户具有偶然发现性；b) 克服候选人与职位的冷启动。我们方法独特的卖点之一是我们使用技能作为嵌入特征并从中导出潜在胜任力，从而试图扩展候选人与职位的技能以在技能领域实现更广覆盖。我们已将模型部署于真实世界职位推荐系统，并通过机器学习推荐与其他子推荐的混合方法取得了最佳点击率。对于构成我们推荐重要部分的通过机器学习推荐职位，我们通过带注意力的 Bi-LSTM 取得了最佳结果。
引用
@article{arxiv.1905.13136,
title = {Job Recommendation through Progression of Job Selection},
author = {Amber Nigam and Aakash Roy and Arpan Saxena and Hartaran Singh},
journal= {arXiv preprint arXiv:1905.13136},
year = {2020}
}