BOSS直聘人岗匹配系统最新研究成果入选CIKM 2020

10月22日消息，第29届ACM国际信息与知识管理会议CIKM 2020已拉开帷幕，BOSS直聘基于多视图协作学习的人岗匹配系统研究论文入选该大会论文集，这也是BOSS直聘连续两年在CIKM大会上发表人岗匹配系统相关的研究成果。据悉，本届CIKM会议共收到投稿 920 篇，录用率为20.98%。

本次大会发布的论文中，BOSS直聘针对求职者和招聘方的交互行为数据稀疏且带有噪声这一场景，基于多视图协作学习，提出了一个新型匹配模型，从而提升该场景下的人岗匹配效率。

多视图协作学习的人岗匹配模型图

BOSS直聘相关负责人表示，真实的求职招聘场景中，求职者与招聘者的交互行为数据往往是稀疏且带有噪声的，而以往单个文本匹配模型的工作效率取决于是否有大量有效的样本数据。新型模型相比以往模型，增加了基于关系的匹配模块，且将两个匹配模块融合进行协作训练，优化了双边交互行为数据稀疏且带有噪声时的人岗匹配学习。

CIKM大会评审反馈，该论文提出的多视图协作学习网络能够解决人岗匹配系统的负样本噪声问题。同时，融合文本匹配模块和关系匹配模块进行的联合表示学习有助于解决双边交互行为数据稀疏问题，突破了以往匹配模型需要大量有效样本数据的限定条件。而该思路对于互联网求职招聘场景以外领域的推荐系统研究也有一定指导意义。

据了解，BOSS直聘于2018年7月成立了全国首家职业科学实验室，汇集了来自海内外拥有深度学习、经济学、社会学等不同背景的科研人才，从求职招聘领域的“双边”出发，构建职业科学领域的研究结构，为就业市场发展和稳定，提供更多学术依据和方法。据悉，其发布的多篇科研论文被国际顶级SSCI及SCI期刊收录，涉及人才流动、城市研究和职场性别差异等多个领域。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。