基于政策的动态面元建议用于职位搜索
信息检索
2026-05-19 v1 人工智能
摘要
求职者常以简短且表述不完整的查询开头。在 LinkedIn 上，超过 80% 的职位相关查询包含三个或 fewer 关键词，这使得准确推断用户意图和获取相关职位尤为具有挑战性。我们提出了动态面元建议（DFS），这是一种交互式查询细化机制，通过实时呈现基于联合用户查询上下文的个性化语义属性来促进意图消歧。我们提出了一种基于政策、检索增强的排序框架用于面元建议，包括离线分类目录策划、基于嵌入的检索 Top-K 候选项，以及基于蒸馏小型语言模型（SLM）的候选项评分。该系统通过点评分单 token 打分、批量处理和前缀缓存进行实时优化。离线评估显示生成建议的高精度，线上 A/B 测试显示在建议参与度和求职结果方面均取得显著改进。
引用
@article{arxiv.2605.16479,
title = {Policy-Grounded Dynamic Facet Suggestions for Job Search},
author = {Dan Xu and Baofen Zheng and Qianqi Shen and Jianqiang Shen and Wenqiong Liu and Chunnan Yao and Ping Liu and Rajat Arora and Kevin Kao and Hsiang Lin and Wanjun Jiang and Yusuke Takebuchi and Jingwei Wu and Wenjing Zhang},
journal= {arXiv preprint arXiv:2605.16479},
year = {2026}
}
备注
6 pages