PrivateJobMatch：面向隐私的延迟多匹配稳定就业推荐系统

协调失败降低了就业市场中雇主与求职者之间的匹配质量，导致大量职位空缺和/或不稳定的短期就业。集中式求职引擎提供了一个直接连接雇主与求职者的平台。然而，它们要求用户披露大量个人数据，即建立用户档案，以提供有意义的推荐。在本文中，我们提出 PrivateJobMatch——一个面向隐私的延迟多匹配推荐系统——它在仅要求用户提供其偏好的部分排序的情况下生成稳定配对。PrivateJobMatch 探索了一系列博弈论 Gale-Shapley 延迟接受算法的适配方案，将分散市场的灵活性与集中匹配的智慧相结合。我们指出了原算法应用于就业市场时的缺陷，并提出了依赖机器学习技术的全新解决方案。在真实与合成数据上的实验结果证实了所提算法在多项质量度量上的优势。在过去一年中，我们实现了 PrivateJobMatch 原型并将其部署于一个活跃的就业市场经济中。利用收集的真实用户偏好数据，我们发现匹配推荐优于典型的分散式就业市场——同时仅要求用户偏好的部分排序。