大数据挖掘技术创新提升人岗匹配效率

创新大数据挖掘技术提高人岗匹配效率

在美国时间8月4日至8日于阿拉斯加举行的KDD2019(数据挖掘与知识发现国际会议)上，中国数据挖掘领域的创新技术以论文形式发表。“很多情况下，静态的文字无法充分表达人内心最深处的需求，动态互动行为的文字偏好信息恰恰可以帮助你理清内心真实的需求。”北京大学计算机科学与技术研究所研究员闫睿表示，为了更好地匹配求职者和岗位，北大团队和BOSS直接聘请的自然语言处理中心，利用简历文档和职位描述文档历史交互行为下的信息，首次学习潜在的偏好信息，将人类求职体验中的“偏好”体现在数据的“记忆”中。

KDD会议评论对该论文的反馈称：“从全球范围来看，数据挖掘技术主要应用于电子商务和金融等大型领域，但在具有公共属性的人力资源行业，这种技术很少见，也很创新。”

“今年对KDD提交的材料进行了双盲审查，作者和审查者的意见之间没有反驳联系。作者没有机会为自己辩护。尽管如此，对于我们发表的文章，三位评委都高度肯定了方法的创新。”BOSS直接聘请的自然语言处理中心负责人宋洋表示，办证的创新之处在于新模式增加了“真实世界”，也可以说是“真实情感”。

人类的记忆具有偏好性，这使得数据增长“记忆”，能够更准确地挖掘出大数据中有用的信息。以往的研究侧重于比较“简历和岗位”的文本匹配度，但在现实世界中，除了静态的文本信息，动态的行为交互信息(如求职者和招聘者的面试历史)包含了更多有助于预测匹配的因素。

“我们发现，双方的偏好也决定了匹配的准确性。”宋洋说，团队利用记忆网络学习面试历史的外部知识，并将其添加到模型参数中，提高了人与岗位的匹配效果。

让数据长出“记忆”，是否符合人类群体的“记忆”？这种方法能提高匹配精度吗？这些都需要实践检验。

“我们基于BOSS直接聘请的数据集，使用五个评价指标对模型进行验证。”宋洋解释说，社会公众调查中没有现实生活中的实验，但可以用固定的时间窗口获取求职者和招聘者双方的历史面试记录，可以用来预测样本集中的求职者和招聘者未来是否匹配。这与实际情况相符，实验结果也证明了新的数据挖掘技术优于目前的最优作业匹配方法。

据悉，作为全球数据挖掘领域最高级别的学术会议，今年KDD研究论文的录取率仅为14%，如今阿里巴巴、头条号等中国企业也有论文发表。BOSS直接聘请的首席科学家薛艳波受邀在“人才与管理计算”工作坊分享他的职业科学研究。

相关专家认为，中国人口基数大，互联网应用成熟，是大数据的主要生产国。如何有效利用数据，提高现有效率如工作对接、业务对接等。并将现实世界的特征融入到从大数据到知识的转变中，迫切需要创新大数据挖掘技术。比如网上有上亿的求职者简历和招聘信息。有效的数据挖掘技术将大大提高人岗匹配效率，降低成本比，给国民经济带来积极的影响，同时让每个人都能发挥自己的价值。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！