論文の概要: Toward a traceable, explainable, and fairJD/Resume recommendation system
- arxiv url: http://arxiv.org/abs/2202.08960v1
- Date: Wed, 2 Feb 2022 18:17:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-27 17:35:04.735482
- Title: Toward a traceable, explainable, and fairJD/Resume recommendation system
- Title（参考訳）: トレーサブル・説明可能・フェアjd・レコメンデーションシステムに向けて
- Authors: Amine Barrak, Bram Adams and Amal Zouaq
- Abstract要約: 自動採用システムの開発は今でも大きな課題の1つだ。
我々の目的は、JD/Resumeマッチングプロセスを強化するために、現代言語モデルと知識ベースとデータセットを組み合わせる方法を探ることである。
- 参考スコア（独自算出の注目度）: 10.820022470618234
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the last few decades, companies are interested to adopt an online
automated recruitment process in an international recruitment environment. The
problem is that the recruitment of employees through the manual procedure is a
time and money consuming process. As a result, processing a significant number
of applications through conventional methods can lead to the recruitment of
clumsy individuals. Different JD/Resume matching model architectures have been
proposed and reveal a high accuracy level in selecting relevant candidatesfor
the required job positions. However, the development of an automatic
recruitment system is still one of the main challenges. The reason is that the
development of a fully automated recruitment system is a difficult task and
poses different challenges. For example, providing a detailed matching
explanation for the targeted stakeholders is needed to ensure a transparent
recommendation. There are several knowledge bases that represent skills and
competencies (e.g, ESCO, O*NET) that are used to identify the candidate and the
required job skills for a matching purpose. Besides, modernpre-trained language
models are fine-tuned for this context such as identifying lines where a
specific feature was introduced. Typically, pre-trained language models use
transfer-based machine learning models to be fine-tuned for a specific field.
In this proposal, our aim is to explore how modern language models (based on
transformers) can be combined with knowledge bases and ontologies to enhance
the JD/Resume matching process. Our system aims at using knowledge bases and
features to support the explainability of the JD/Resume matching. Finally,
given that multiple software components, datasets, ontology, andmachine
learning models will be explored, we aim at proposing a fair, ex-plainable, and
traceable architecture for a Resume/JD matching purpose.
- Abstract（参考訳）: 過去数十年間、企業は国際採用環境でオンライン自動採用プロセスを採用することに興味を持っている。
問題は、手作業による従業員の募集が時間とお金の消費プロセスであることだ。
その結果、多くのアプリケーションを従来の方法で処理することで、不器用な個人の採用につながる可能性がある。
異なるjd/resumeマッチングモデルアーキテクチャが提案されており、必要なジョブの候補を選択する際に高い精度を示す。
しかし、自動採用システムの開発は依然として大きな課題の1つである。
その理由は、完全に自動化された採用システムの開発は難しい作業であり、異なる課題をもたらすからだ。
例えば、ターゲットとするステークホルダーに詳細なマッチング説明を提供することは、透過的なレコメンデーションを保証するために必要です。
スキルと能力(例えば、ESCO、O*NET)を表すいくつかの知識ベースがあり、その候補と、一致する目的のために必要とされる仕事スキルを特定するのに使用される。
さらに、モダンプレトレーニング言語モデルは、特定の機能を導入した行を特定するなど、このコンテキストに対して微調整される。
通常、事前訓練された言語モデルは、特定の分野のために微調整するために転送ベースの機械学習モデルを使用する。
本提案では,現代言語モデル(トランスフォーマーに基づく)と知識ベースとオントロジーを組み合わせることで,JD/Resumeマッチングプロセスの強化を図ることを目的とする。
本システムの目的は,JD/Resumeマッチングの知識ベースと特徴を用いた説明可能性の向上である。
最後に、複数のソフトウェアコンポーネント、データセット、オントロジー、および機械学習モデルについて検討することを考えると、我々はResume/JDマッチング目的のために、公平で説明可能な、トレース可能なアーキテクチャを提案することを目指している。
関連論文リスト
- Can Long-Context Language Models Subsume Retrieval, RAG, SQL, and More? [54.667202878390526]
長文言語モデル(LCLM)は、従来、検索システムやデータベースといった外部ツールに依存していたタスクへのアプローチに革命をもたらす可能性がある。
実世界のタスクのベンチマークであるLOFTを導入し、文脈内検索と推論においてLCLMの性能を評価するために設計された数百万のトークンを出力する。
以上の結果からLCLMは,これらのタスクを明示的に訓練したことがないにも関わらず,最先端の検索システムやRAGシステムと競合する驚くべき能力を示した。
論文 参考訳（メタデータ） (2024-06-19T00:28:58Z) - Learning to Retrieve for Job Matching [22.007634436648427]
本稿では、LinkedInの求人・推薦システムを強化するための学習検索技術の適用について論じる。
確認された雇用データを利用して求職者の求職資格を評価するグラフを構築し、学習したリンクを検索に活用する。
従来の逆インデックスに基づく解に加えて、KNNと項マッチングの両方を効率的にサポートできるon-GPUソリューションを開発した。
論文 参考訳（メタデータ） (2024-02-21T00:05:25Z) - Generative Judge for Evaluating Alignment [84.09815387884753]
本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。
我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。
実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
論文 参考訳（メタデータ） (2023-10-09T07:27:15Z) - Exploring Large Language Model for Graph Data Understanding in Online
Job Recommendations [63.19448893196642]
本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。
この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
論文 参考訳（メタデータ） (2023-07-10T11:29:41Z) - BAD: BiAs Detection for Large Language Models in the context of
candidate screening [6.47452771256903]
本研究の目的は、ChatGPTや他のOpenAI LLMにおける社会的偏見の事例を候補検定の文脈で定量化することである。
これらのモデルの使用が、採用プロセスにおける既存のバイアスや不平等を持続させる方法を示します。
論文 参考訳（メタデータ） (2023-05-17T17:47:31Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Neural model robustness for skill routing in large-scale conversational
AI systems: A design choice exploration [34.29393761770914]
最先端の商用対話型AIシステムにおけるスキルルーティングのコンテキストにおいて、モデリング設計の異なる選択がモデル堅牢性にどのように影響するかを示す。
データ拡張を適用することは、モデルロバスト性を大幅に改善する非常に効果的で実用的な方法であることを示す。
論文 参考訳（メタデータ） (2021-03-04T22:54:33Z) - Decentralized Federated Learning Preserves Model and Data Privacy [77.454688257702]
我々は、訓練されたモデル間で知識を共有することができる、完全に分散化されたアプローチを提案する。
生徒は、合成された入力データを通じて教師の出力を訓練する。
その結果,教師が学習した未学習学生モデルが,教師と同等のF1スコアに達することがわかった。
論文 参考訳（メタデータ） (2021-02-01T14:38:54Z) - Efficient Neural Query Auto Completion [17.58784759652327]
クエリオートコンプリートシステムでは,3つの大きな課題が報告されている。
従来のQACシステムは、検索ログのクエリ候補頻度などの手作り機能に依存している。
本稿では,これらの課題を克服するために,効果的なコンテキストモデリングを用いた効率的なニューラルネットワークQACシステムを提案する。
論文 参考訳（メタデータ） (2020-08-06T21:28:36Z) - Analysis & Shortcomings of E-Recruitment Systems: Towards a
Semantics-based Approach Addressing Knowledge Incompleteness and Limited
Domain Coverage [0.0]
インターネットの急速な発展により、e-recruitmentと人的資源管理の新しい手法が導入された。
求職者の履歴書や求職のスキルを正確に検出し、抽出する能力格差は、依然としてe-recruitmentシステムにとって大きな障害となっている。
複数の協調的セマンティックリソースを利用することで、現在の欠点に対処するe-recruitmentフレームワークについて詳述する。
論文 参考訳（メタデータ） (2020-04-25T01:25:35Z) - A System for Real-Time Interactive Analysis of Deep Learning Training [66.06880335222529]
現在利用可能なシステムは、トレーニングプロセスが始まる前に指定しなければならないログデータのみを監視することに限定されている。
本稿では,リアルタイム情報を生成するライブプロセス上で対話型クエリを実行可能にするシステムを提案する。
論文 参考訳（メタデータ） (2020-01-05T11:33:31Z)
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。