面向 MOOCs 求职课程推荐：一种自动弱监督方法
数据库
2020-12-29 v1 信息检索
摘要
大规模开放在线课程的激增要求为招聘网站上发布的职位提供有效的课程推荐方式，特别是对于通过 MOOCs 寻找新工作的人群。尽管监督排序模型取得了进展，但缺乏足够的监督信号阻碍了我们直接学习监督排序模型。本文提出了一种基于强化学习的通用自动弱监督框架 AutoWeakS 来解决该问题。一方面，该框架能够在多个无监督排序模型生成的伪标签上训练多个监督排序模型。另一方面，该框架能够自动搜索这些监督与无监督模型的最优组合。我们系统地从不同招聘网站的职位数据集和 MOOCs 平台的课程数据集上评估了所提出的模型。实验表明，我们的模型显著优于经典的无监督、监督和弱监督基线。
引用
@article{arxiv.2012.14234,
title = {Recommending Courses in MOOCs for Jobs: An Auto Weak Supervision Approach},
author = {Bowen Hao and Jing Zhang and Cuiping Li and Hong Chen and Hongzhi Yin},
journal= {arXiv preprint arXiv:2012.14234},
year = {2020}
}