职位推荐系统：综述
信息检索
2021-11-29 v1
摘要
本文对过去十年（2011-2021）发表的职位推荐系统（JRS）文献进行了综述。与以往的文献综述相比，我们更强调那些纳入了职位推荐的时间性与互惠性的贡献。先前关于 JRS 的研究表明，在 JRS 的设计中考虑此类视角可带来模型性能的提升。此外，其还可能使候选人在一组相似职位上的分布更为均匀。我们也从算法公平性的视角考察了文献。我们在此发现，文献中很少讨论这一点，即便有讨论，许多作者错误地假定移除歧视性特征便已足够。关于 JRS 中所用模型的类型，作者们频繁将其方法标为“混合”。遗憾的是，他们由此模糊了这些方法的具体内涵。利用已有的推荐系统分类法，我们将这一庞大的混合类拆分为更易于分析的子类。我们进一步发现，数据可用性——尤其是点击数据的可用性——对方法选择与验证有着重大影响。最后，尽管 JRS 跨不同数据集的泛化能力鲜被考量，但结果表明误差分数可能在这些数据集间存在差异。
引用
@article{arxiv.2111.13576,
title = {Job Recommender Systems: A Review},
author = {Corné de Ruijt and Sandjai Bhulai},
journal= {arXiv preprint arXiv:2111.13576},
year = {2021}
}