WWWFeb, 2016

寻找理想候选人：领英下一代人才搜索

PDF
TL;DR在 LinkedIn 中，我们设计了一种新的人才搜索范例，名为 “理想候选人搜索”，只需要用户输入一到多个合适候选人的示例，系统将基于输入的候选人生成一个查询并检索和排名结果。
talent searchsearch queryideal candidatesranking resultslinkedin
发现论文，激发创造
  • 领英个性化专家搜索

    本文提出了一种使用基于矩阵分解的协同过滤方法解决 LinkedIn 上基于技能的个性化专家搜索问题的方法，并在实际测试中取得了较好的成果。

    Feb, 2016

  • 领英人才搜索和推荐系统：实践中的挑战和教训

    本文主要探讨了极具创新性的信息检索、系统和建模方面的挑战，这些挑战都是与领英人才搜索与推荐系统相关的。

    Sep, 2018

  • 在专业网络中学习排名个性化搜索结果

    此论文讲述了如何通过挖掘 LinkedIn 中的各种数据源以推断搜索者的意图，并将同构概念扩展到许多方面以捕捉搜索者 - 结果的相似之处，然后通过学习排名（LTR）来将这些信号与标准搜索特征相结合，从而实现 LinkedIn 搜索的深度个性化。

    May, 2016

  • 学习与职位匹配的检索

    应用学习检索技术改进 LinkedIn 的职位搜索和推荐系统，通过构建评估求职者资格的图和利用学习到的链接进行检索，提高应聘人员质量并优化求职者参与度。

    Feb, 2024

  • 领英人才搜索的深度与表示学习

    本文研究了深度学习在 LinkedIn 人才搜索和推荐系统中的应用，利用神经网络模型学习人才搜索领域中的稀疏实体的语义表示，利用学习排名方法来提升人才搜索、推荐系统的表现。

    Sep, 2018

  • 职位发布中筛选问题的学习

    在 LinkedIn 上，我们通过开发一款新的产品将招聘者在线筛选问题来提高聘用效率和减少手动筛选每个应聘者的需求，并提出了一项新的任务来自动生成给定职位发布的筛选问题，使用称为 Job2Questions 的深度学习模型来自动化生成最佳的筛选问题并在上线后显著提升了工作市场的影响力。

    Apr, 2020

  • 面向搜索和推荐系统的公正排序技术及其在领英人才搜索中的应用

    该研究提出了一种评估和降低个人排名算法偏差的框架，旨在实现公平性标准，通过 LinkedIn Talent Search 在线 A/B 测试并部署在全球 LinkedIn Recruiter 用户中，实现公平和商业指标的协调提高，有助于招聘行业和 630M 以上 LinkedIn 会员的公平和受益。

    Apr, 2019

  • 领英深度职位理解

    该研究论文介绍了 LinkedIn 如何利用深度迁移学习方法和专家反馈循环来改进其职位理解模型，从而提高职位推荐系统的准确性和雇佣效率。

    May, 2020

  • 智能推荐职位和应聘者过滤的职业平台

    本研究开发了一种智能求职系统，通过自动关键词提取、职位推荐和简历筛选等算法进行工作和求职者匹配，同时增加了若干高级特性提升用户体验。

    Mar, 2023

  • 迈向可追溯、可解释、公平的 JD / 简历推荐系统

    本文提出了一个使用知识库和特性来增强 JD / 简历匹配过程的系统，旨在提供公正，可解释和可追溯的体系结构。

    Feb, 2022