跨语言职位检索中的语言偏见消除：招聘平台视角
计算与语言
2025-02-06 v1
摘要
理解简历和职位信息的文本组成部分对于提高职位匹配精度和优化招聘搜索系统至关重要。然而，现有工作主要关注于该信息的单个组成部分，需要多个专门工具来分析每个方面。此类分散的方法可能阻碍招聘相关文本处理的整体通用性。因此，我们提出了一个统一的句子编码器，利用多任务双编码器框架用于联合学习多个组件到统一的句子编码器中。结果表明，我们的方法尽管模型规模较小，却优于其他多数最先进的模型。此外，我们提出了一种新指标——语言偏差克尔戈-李维尔散度 (LBKL)，用于评估编码器中的语言偏见，显著降低了偏见并在跨语言性能方面表现出色。
引用
@article{arxiv.2502.03220,
title = {Mitigating Language Bias in Cross-Lingual Job Retrieval: A Recruitment Platform Perspective},
author = {Napat Laosaengpha and Thanit Tativannarat and Attapol Rutherford and Ekapol Chuangsuwanich},
journal= {arXiv preprint arXiv:2502.03220},
year = {2025}
}
备注
To be published in CompJobs Workshop at AAAI 2025