学习为职位发布生成筛选问题

在LinkedIn，我们致力于为全球劳动力中的每个人创造经济机会。这一目标的关键环节是将职位与合格应聘者匹配。为提高招聘效率并减少手动筛选每位应聘者的需要，我们开发了一款新产品，招聘人员可在线发布筛选问题，从而轻松过滤合格候选人。为向LinkedIn上所有$20$M活跃职位添加筛选问题，我们提出一项新任务，旨在为给定职位发布自动生成筛选问题。为解决该生成任务，我们开发了称为Job2Questions的两阶段深度学习模型，其中应用深度学习模型从文本描述中检测意图，并基于其他上下文特征按重要性对检测到的意图排序。由于这是一款无历史数据的新产品，我们采用深度迁移学习在有限训练数据下训练复杂模型。我们将筛选问题产品及AI模型上线至LinkedIn用户，并观察到对职位市场的显著影响。在线A/B测试中，我们观察到筛选问题建议接受率$+53.10\%$、职位覆盖率$+22.17\%$、招聘者-应聘者互动$+190\%$、净推荐值$+11$。总之，已部署的Job2Questions模型帮助招聘者找到合格应聘者，并帮助求职者找到其合格的职位。