职业网络至关重要：连接赋能人岗匹配
社会与信息网络
2024-01-02 v1 机器学习
摘要
在线招聘平台通常在其核心服务中采用人岗匹配模型，自动将合适的求职者与适当的职位进行匹配。虽然现有工作利用了历史或上下文信息，但它们往往忽视了一个关键方面：求职者在职业网络中的社会关系。本文强调了将职业网络纳入人岗匹配模型的重要性。我们的创新方法包含两个阶段：(1) 定义一个职场异构信息网络（WHIN）以捕捉异构知识，包括职业连接，并使用异构图神经网络对各种实体进行预训练表示；(2) 设计一个上下文社会注意力图神经网络（CSAGNN），利用职业连接的上下文信息补充用户缺失的信息。我们在 CSAGNN 中引入了一种特定于作业的注意力机制，以处理嘈杂的职业网络，并利用来自 WHIN 的预训练实体表示。我们通过在 LinkedIn 的三个真实世界招聘数据集上进行的实验评估展示了我们方法的有效性，显示出优于基线模型的性能。
引用
@article{arxiv.2401.00010,
title = {Professional Network Matters: Connections Empower Person-Job Fit},
author = {Hao Chen and Lun Du and Yuxuan Lu and Qiang Fu and Xu Chen and Shi Han and Yanbin Kang and Guangming Lu and Zi Li},
journal= {arXiv preprint arXiv:2401.00010},
year = {2024}
}
备注
Accepted at WSDM 2024