TAROT：面向高效人岗匹配的半结构化数据多任务协同预训练分层框架

人岗匹配是在线招聘平台服务于职位搜索和候选人推荐等各种下游应用的关键组成部分。近来，预训练大语言模型通过利用用户画像和职位描述中除用户行为特征和职位元数据之外更丰富的文本信息，进一步提升了匹配效果。然而，面向通用领域的设计难以捕捉用户画像和职位描述中独特的结构信息，导致潜在的语义关联丢失。我们提出了 TAROT，一个分层多任务协同预训练框架，以更好地利用结构和语义信息来生成信息丰富的文本嵌入。TAROT 针对画像和职位中的半结构化文本，并通过多粒度的预训练任务进行协同预训练，以约束每个层次所获取的语义信息。在真实 LinkedIn 数据集上的实验显示了显著的性能提升，证明了其在人岗匹配任务中的有效性。