SIGIRSep, 2018

领英人才搜索和推荐系统：实践中的挑战和教训

PDF
TL;DR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。
linkedintalent solutionsrecruiterjob ecosystemrecommendation systems
发现论文，激发创造
  • 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

  • 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

  • 寻找理想候选人：领英下一代人才搜索

    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。

    Feb, 2016

  • 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

  • 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

  • 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

  • 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

  • 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

  • 课程推荐系统需要考虑就业市场

    开发了一个课程推荐系统，该系统能够结合就业市场的技能需求，并且突出显示了解释性、无监督技能提取和强化学习等特点。

    Apr, 2024

  • SkillRec：基于数据的职业技能推荐方法，为职业洞察提供帮助

    本文介绍了 Skill Recommendation（SkillRec）系统，它基于职位名称，收集并确定了职位所需的技能集，并通过单词 / 句子嵌入技术和前馈神经网络为职位提供建议。在 6,000 个职位标题和描述的数据集上进行初步实验后，SkillRec 表现出很高的准确性和 F1 分数。

    Feb, 2023