基于企业邮件的多视图图卷积网络用于内部人才推荐
机器学习
2025-08-29 v1 人工智能
摘要
内部人才推荐是组织持续性的关键策略，但传统方法存在结构性局限，常因依赖有限经理的窄视角而忽视合格候选人。为解决此挑战，我们提出一种新框架，模型化来自邮件数据中员工位置匹配的两个独立维度：他们做什么（任务的语义相似性）以及他们如何工作（其交互和协作的结构特征）。这些维度分别表示为独立图，并通过带有门控机制的双图卷积网络（GCN）进行自适应融合。实验表明，我们提出的基于门控的融合模型显著优于其他融合策略和启发式基线，在Hit@100指标上实现了最佳性能40.9%。重要的是，模型在可解释性方面表现突出，通过学习针对不同职业家族的独特、情境感知的融合策略。例如，它为“销售和市场”职业家族学习优先考虑关系（HOW）数据，而为“研究”职业家族则采用平衡方法。该研究为内部人才发现提供了量化和全面的框架，最大限地降低传统方法固有的候选人遗漏风险。其主要贡献在于经验性地确定任务对齐（WHAT）与协作模式（HOW）之间最优融合比例，这是员工在新职位上成功所必需的，从而具有重要的实际意义。
引用
@article{arxiv.2508.20328,
title = {Multi-View Graph Convolution Network for Internal Talent Recommendation Based on Enterprise Emails},
author = {Soo Hyun Kim and Jang-Hyun Kim},
journal= {arXiv preprint arXiv:2508.20328},
year = {2025}
}