論文の概要: Learning Effective Representations for Person-Job Fit by Feature Fusion
- arxiv url: http://arxiv.org/abs/2006.07017v1
- Date: Fri, 12 Jun 2020 09:02:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 03:15:20.790263
- Title: Learning Effective Representations for Person-Job Fit by Feature Fusion
- Title（参考訳）: 特徴融合による人物求職者の効果的な表現の学習
- Authors: Junshu Jiang and Songyun Ye and Wei Wang and Jingran Xu and Xiaosheng
Luo
- Abstract要約: Person-job fitは、機械学習アルゴリズムを使用して、オンライン採用プラットフォーム上の候補者と求職者をマッチングする。
本稿では,機能融合による候補者と求職者の包括的かつ効果的な表現を学習することを提案する。
10ヶ月にわたる実データ実験により、我々のソリューションは既存の手法よりも大きなマージンで優れていることが示された。
- 参考スコア（独自算出の注目度）: 4.884826427985207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person-job fit is to match candidates and job posts on online recruitment
platforms using machine learning algorithms. The effectiveness of matching
algorithms heavily depends on the learned representations for the candidates
and job posts. In this paper, we propose to learn comprehensive and effective
representations of the candidates and job posts via feature fusion. First, in
addition to applying deep learning models for processing the free text in
resumes and job posts, which is adopted by existing methods, we extract
semantic entities from the whole resume (and job post) and then learn features
for them. By fusing the features from the free text and the entities, we get a
comprehensive representation for the information explicitly stated in the
resume and job post. Second, however, some information of a candidate or a job
may not be explicitly captured in the resume or job post. Nonetheless, the
historical applications including accepted and rejected cases can reveal some
implicit intentions of the candidates or recruiters. Therefore, we propose to
learn the representations of implicit intentions by processing the historical
applications using LSTM. Last, by fusing the representations for the explicit
and implicit intentions, we get a more comprehensive and effective
representation for person-job fit. Experiments over 10 months real data show
that our solution outperforms existing methods with a large margin. Ablation
studies confirm the contribution of each component of the fused representation.
The extracted semantic entities help interpret the matching results during the
case study.
- Abstract（参考訳）: Person-job fitは、機械学習アルゴリズムを使用して、オンライン採用プラットフォームの候補者と求職者をマッチングする。
マッチングアルゴリズムの有効性は、候補者と求職者の学習された表現に大きく依存する。
本稿では,機能融合による候補者と求職者の包括的かつ効果的な表現を学習することを提案する。
まず、既存の手法で採用されている履歴書やジョブポストのフリーテキストを処理するためにディープラーニングモデルを適用することに加え、履歴書全体(およびジョブポスト)から意味的エンティティを抽出し、その特徴を学習する。
自由テキストとエンティティの機能を融合することで、履歴書とジョブポストに明示的に記述された情報の包括的な表現が得られる。
第二に、候補者や職務に関する情報は、履歴書や役職で明示的に把握されないことがある。
それでも、受理・棄却された事件を含む歴史的申請は、候補者や採用者の暗黙の意図を明らかにすることができる。
そこで本稿では,LSTM を用いて歴史的アプリケーションを処理することで,暗黙の意図を表現することを提案する。
最後に、明示的な意図と暗黙的な意図の表現を融合することで、パーソナライズ・ジョブフィットをより包括的で効果的な表現を得る。
10ヶ月にわたる実データ実験は、我々のソリューションが既存のメソッドを大きなマージンで上回っていることを示している。
アブレーション研究は融合表現の各成分の寄与を確認する。
抽出されたセマンティックエンティティは、ケーススタディ中のマッチング結果の解釈に役立ちます。
関連論文リスト
- Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。
本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。
実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2024-10-31T06:55:24Z) - Prompt-based Personality Profiling: Reinforcement Learning for Relevance Filtering [8.20929362102942]
著者プロファイルは、共有するコンテンツを分析して個人の特徴を推測するタスクである。
本稿では,関係のないコンテンツと関係のないコンテンツとを区別することを目的とした著者プロファイリング手法を提案し,それに続いて,関連データのみを用いて実際のユーザプロファイリングを行う。
2つのTwitterコーパスにおける5つの人格特性予測手法の評価を行った。
論文 参考訳（メタデータ） (2024-09-06T08:43:10Z) - Combining Embeddings and Domain Knowledge for Job Posting Duplicate Detection [42.49221181099313]
求人説明は、企業ウェブサイト、求人掲示板、ソーシャルメディアプラットフォームなど、多くのオンラインチャンネルに掲載されている。
プラットフォーム間でジョブの投稿を集約し、同じジョブを参照する重複記述を検出するのに役立つ。
重みに基づく文字類似性とテキスト埋め込みとキーワードマッチング法を組み合わせることで、説得力のある結果が得られることを示す。
論文 参考訳（メタデータ） (2024-06-10T13:38:15Z) - TAROT: A Hierarchical Framework with Multitask Co-Pretraining on
Semi-Structured Data towards Effective Person-Job Fit [60.31175803899285]
本稿では,階層型マルチタスク協調訓練フレームワークであるTAROTを提案する。
TAROTは、プロファイルとジョブにおける半構造化テキストをターゲットにしており、取得したセマンティック情報を各レベルで制限するために、複数のきめ細かい事前訓練タスクと共に保持されている。
論文 参考訳（メタデータ） (2024-01-15T07:57:58Z) - Distribution Matching for Multi-Task Learning of Classification Tasks: a
Large-Scale Study on Faces & Beyond [62.406687088097605]
マルチタスク学習(MTL)は、複数の関連するタスクを共同で学習し、共有表現空間から恩恵を受けるフレームワークである。
MTLは、ほとんど重複しない、あるいは重複しないアノテーションで分類タスクで成功することを示す。
本稿では,分散マッチングによるタスク間の知識交換を可能にする新しい手法を提案する。
論文 参考訳（メタデータ） (2024-01-02T14:18:11Z) - Exploring Effective Factors for Improving Visual In-Context Learning [56.14208975380607]
In-Context Learning(ICL)は、いくつかのデモ(別名プロンプト)を通じて新しいタスクを理解し、モデルをチューニングせずに新しい入力を予測することである。
本稿では,視覚的文脈学習の推論性能に直接的な影響を及ぼす要因として,迅速な選択と迅速な融合があげられる。
視覚的インコンテキスト学習のためのシンプルなフレームワークプロンプトSelFを提案する。
論文 参考訳（メタデータ） (2023-04-10T17:59:04Z) - On the Use of External Data for Spoken Named Entity Recognition [40.93448412171246]
近年の自己教師型音声表現の進歩により,ラベル付きデータに制限のある学習モデルを考えることが可能になった。
自己学習、知識蒸留、トランスファーラーニングなど、さまざまなアプローチを採用し、エンドツーエンドモデルとパイプラインアプローチの両方に適用性を検討する。
論文 参考訳（メタデータ） (2021-12-14T18:49:26Z) - DSSL: Deep Surroundings-person Separation Learning for Text-based Person
Retrieval [40.70100506088116]
本稿では,Deep Surroundings-person Separation Learning(DSSL)モデルを提案する。
周囲の分離・融合機構は、正確かつ効果的な周囲の分離を実現する上で重要な役割を担っている。
CUHK-PEDES上で提案したDSSLの評価実験を行った。
論文 参考訳（メタデータ） (2021-09-12T15:09:09Z) - Pretext Tasks selection for multitask self-supervised speech
representation learning [23.39079406674442]
提案手法では,候補群の中からプレテキストタスク群を選択する手法を提案する。
話者認識と自動音声認識の実験により,我々のアプローチが検証された。
論文 参考訳（メタデータ） (2021-07-01T16:36:29Z) - Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。
提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。
我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-07-01T09:26:13Z) - Learning to Match Jobs with Resumes from Sparse Interaction Data using
Multi-View Co-Teaching Network [83.64416937454801]
ジョブ列のインタラクションデータは疎結合でノイズが多く、ジョブ列のマッチングアルゴリズムのパフォーマンスに影響する。
求人情報マッチングのための疎相互作用データから,新しいマルチビュー協調学習ネットワークを提案する。
我々のモデルは求人マッチングの最先端手法より優れている。
論文 参考訳（メタデータ） (2020-09-25T03:09:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。