面向职位定向的显著性与市场感知技能抽取
信息检索
2020-05-28 v1
摘要
在 LinkedIn，我们致力于为全球劳动力创造经济机会。为此，LinkedIn 提供被动式职位搜索系统，以及主动式“您可能感兴趣的职位”(JYMBII) 系统，以将最佳候选人与其理想工作相匹配。构建这些系统最具挑战性的任务之一，是从职位帖子中正确抽取重要的技能实体，并据此以匹配属性定向会员。本工作中，我们指出常用的基于文本的“显著性与市场无关”技能抽取方法是次优的，因为它仅考虑技能提及，而忽略了技能的显著程度及其市场动态，即市场供需对技能重要性的影响。为克服上述缺陷，我们提出已部署的“显著性与市场感知”技能抽取系统 \model。所提出的 \model 在提升职位推荐 (JYMBII) 在线性能 (+1.92% 职位申请量) 与职位发布者技能建议 (-37% 建议拒绝率) 方面展现出良好效果。最后，我们通过案例研究，从职业、行业、国家及个体技能层面展示对比传统技能识别方法与所提 \model 的有趣洞察。基于上述良好结果，我们已将 \model 在线部署，用于为 LinkedIn 上所有 20M 职位帖子抽取职位定向技能。
引用
@article{arxiv.2005.13094,
title = {Salience and Market-aware Skill Extraction for Job Targeting},
author = {Baoxu Shi and Jaewon Yang and Feng Guo and Qi He},
journal= {arXiv preprint arXiv:2005.13094},
year = {2020}
}
备注
9 pages, to appear in KDD2020