OKRA：一种可解释的异构多利益相关者职位推荐系统
信息检索
2025-04-11 v1 人工智能
人机交互
摘要
近期立法将招聘领域的推荐系统列为“高风险”。因此，针对所有相关利益相关者实施了关于可解释性和公平性的严格要求。为实现按利益相关者特定需求的可解释性，同时处理高度异构的招聘数据，我们提出一种基于图神经网络的新型可解释多利益相关者职位推荐系统：基于职业知识的注意力推荐系统（Occupational Knowledge-based Recommender using Attention, OKRA）。该方法能够提供候选人端和公司端的推荐及解释。我们发现，OKRA 在两个数据集上相对于六个基线方法在 nDCG 指标上性能显著提升。此外，我们发现测试模型倾向于推荐城市地区的候选人和职位。总体而言，我们的发现表明，OKRA 在准确性、可解释性和公平性之间提供了良好的平衡。
引用
@article{arxiv.2504.07108,
title = {OKRA: an Explainable, Heterogeneous, Multi-Stakeholder Job Recommender System},
author = {Roan Schellingerhout and Francesco Barile and Nava Tintarev},
journal= {arXiv preprint arXiv:2504.07108},
year = {2025}
}
备注
17 pages, 1 figure, 1 table, to be published in the proceedings of ECIR2025