利用搜索历史改进人岗匹配

作为在线招聘平台的核心技术，人岗匹配可通过将职位与合格候选人精准匹配来提升招聘效率。然而，现有研究主要关注推荐场景，忽视了连接职位与求职者的另一重要渠道，即搜索。直观上，搜索历史包含丰富的求职用户行为，反映了用户求职意图的重要证据。本文提出一种新颖的搜索历史增强人岗匹配模型，命名为 SHPJF。为同时利用来自职位/简历的文本内容与来自用户的搜索历史，我们提出两个目的不同的组件。对于文本匹配组件，我们设计基于 BERT 的文本编码器以捕捉简历与职位描述间的语义交互。对于意图建模组件，我们基于 Transformer 架构设计两类意图建模方法，分别基于点击序列或查询文本序列。为捕捉潜在求职意图，我们进一步提出一种意图聚类技术，以从搜索日志中识别并总结主要意图。在大型真实招聘数据集上的大量实验证明了我们方法的有效性。