MHSNet：一种基于混合专家（MoE）的层次语义表示网络，用于精确的大语言模型重复简历检测
人工智能
2025-09-08 v2
摘要
为维持公司的人才库，招聘人员需要持续搜索来自第三方网站（如 LinkedIn、Indeed）的简历。然而，获取的简历常常不完整且不准确。为提高第三方简历的质量并丰富公司人才库，必须对获取的简历与公司现有人才库中的简历进行重复检测。这种重复检测因简历文本的语义复杂性、结构异构性和信息不完整性而具有挑战性。为此，我们提出了 MHSNet，这是一个多级身份验证框架，通过对比学习微调 BGE-M3。随着微调后的模型，混合专家（Mixture-of-Experts, MoE）为简历生成多级稀疏和稠密表示，实现对应多级语义相似度的计算。此外，MHSNet 采用状态感知的混合专家（MoE）来处理多种不完整简历。实验结果验证了 MHSNet 的有效性。
引用
@article{arxiv.2508.13676,
title = {MHSNet:An MoE-based Hierarchical Semantic Representation Network for Accurate Duplicate Resume Detection with Large Language Model},
author = {Yu Li and Zulong Chen and Wenjian Xu and Hong Wen and Yipeng Yu and Man Lung Yiu and Yuyu Yin},
journal= {arXiv preprint arXiv:2508.13676},
year = {2025}
}