面向专业招聘员的高效异构图职位推荐：TIMBRE
信息检索
2024-11-26 v1
摘要
职位推荐面临诸多众所周知的推荐系统挑战。首先，它们面临冷启动问题，求职者（用户）和职位（物品）的生命周期非常有限。这使得学习良好的用户和物品表示变得困难。其次，时间因素至关重要：我们不能在未来或太久以前推荐物品。因此，仅依赖协同过滤几乎无法实现。最后，必须整合关于用户和物品的信息，因为我们不能仅依赖之前的交互。本文提出了一种基于时间图的职位推荐方法：TIMBRE（Temporal Integrated Model for Better REcommendations）。TIMBRE 将用户和物品信息整合到异构图中。该图被调整以允许高效的时间推荐和评估，这随后使用图神经网络完成。最后，我们使用推荐系统指标对我们的方法进行评估，这些指标在基于图的推荐系统上很少被计算。
引用
@article{arxiv.2411.15146,
title = {TIMBRE: Efficient Job Recommendation On Heterogeneous Graphs For Professional Recruiters},
author = {Eric Behar and Julien Romero and Amel Bouzeghoub and Katarzyna Wegrzyn-Wolska},
journal= {arXiv preprint arXiv:2411.15146},
year = {2024}
}