論文の概要: Professional Network Matters: Connections Empower Person-Job Fit

• arxiv url: http://arxiv.org/abs/2401.00010v1
• Date: Tue, 19 Dec 2023 06:44:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 12:25:16.572409
• Title: Professional Network Matters: Connections Empower Person-Job Fit
• Title（参考訳）: プロフェッショナルネットワークの課題: つながりが人事に力を与える
• Authors: Hao Chen, Lun Du, Yuxuan Lu, Qiang Fu, Xu Chen, Shi Han, Yanbin Kang, Guangming Lu, Zi Li
• Abstract要約: 本稿では,プロフェッショナルネットワークをPerson-Job Fitモデルに組み込むことの重要性を強調する。 CSAGNNにジョブ固有のアテンション機構を導入し、ノイズの多いプロフェッショナルネットワークを処理する。 提案手法の有効性を,LinkedInの3つの実世界の採用データセットを用いて実験的に評価することで実証する。
• 参考スコア（独自算出の注目度）: 62.20651880558674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online recruitment platforms typically employ Person-Job Fit models in the core service that automatically match suitable job seekers with appropriate job positions. While existing works leverage historical or contextual information, they often disregard a crucial aspect: job seekers' social relationships in professional networks. This paper emphasizes the importance of incorporating professional networks into the Person-Job Fit model. Our innovative approach consists of two stages: (1) defining a Workplace Heterogeneous Information Network (WHIN) to capture heterogeneous knowledge, including professional connections and pre-training representations of various entities using a heterogeneous graph neural network; (2) designing a Contextual Social Attention Graph Neural Network (CSAGNN) that supplements users' missing information with professional connections' contextual information. We introduce a job-specific attention mechanism in CSAGNN to handle noisy professional networks, leveraging pre-trained entity representations from WHIN. We demonstrate the effectiveness of our approach through experimental evaluations conducted across three real-world recruitment datasets from LinkedIn, showing superior performance compared to baseline models.
• Abstract（参考訳）: オンライン採用プラットフォームは通常、適切な求職者と適切な職種を自動的にマッチングするコアサービスにおいて、個人-ジョブフィットモデルを採用している。 既存の作品は歴史的あるいは文脈的な情報を活用するが、求職者のプロフェッショナルネットワークにおける社会的関係という重要な側面を無視することが多い。 本稿では,プロフェッショナルネットワークをPerson-Job Fitモデルに組み込むことの重要性を強調する。 本研究の革新的アプローチは,1つの段階から成っている:(1) 専門的接続を含む異種知識を捉えるためのワークプレース・異種情報ネットワーク(WHIN)の定義,2) 異種グラフニューラルネットワークを用いた各種エンティティの事前学習,(2) 専門的接続のコンテキスト情報でユーザの行方不明情報を補うコンテキスト的ソーシャルアテンショングラフニューラルネットワーク(CSAGNN)の設計。 我々は, csagnn において,whin から事前学習されたエンティティ表現を活用し, うるさいプロフェッショナルネットワークを扱うジョブ特化注意機構を導入する。 本手法の有効性を,linkedinの3つの実世界のリクルートデータセットで実験的評価を行い,ベースラインモデルと比較して優れた性能を示す。

関連論文リスト

• Exploiting Contextual Uncertainty of Visual Data for Efficient Training of Deep Models [0.65268245109828]
  アクティブラーニングCDALにおける文脈多様性の概念を導入する。 モデルバイアスを低減するために、文脈的に公正なデータをキュレートするデータ修復アルゴリズムを提案する。 我々は、野生生物カメラトラップ画像の画像検索システムと、質の悪い農村道路に対する信頼性の高い警告システムの開発に取り組んでいる。
  論文  参考訳（メタデータ） (2024-11-04T09:43:33Z)
• Understanding and Modeling Job Marketplace with Pretrained Language Models [46.05972662117288]
  ジョブマーケットプレース(Job marketplace)は、メンバー(ジョブ・シーカー)、企業、およびジョブ間のインタラクションで構成される異質なグラフである。 既存のグラフニューラルネットワーク(GNN)に基づく手法は、関連するテキストの特徴と異種関係の理解が浅い。 PLM4Jobは、事前学習言語モデル(PLM)とジョブ市場グラフを密結合した求人市場基盤モデルである。
  論文  参考訳（メタデータ） (2024-08-08T11:35:52Z)
• Improving Next-Application Prediction with Deep Personalized-Attention Neural Network [27.71640897308797]
  我々は、求職者のキャリア選好を改善するために、次のイデムレコメンデーションアプローチを活用することを提案する。 提案手法はPersonalized-Attention Next-Application Prediction (PANAP) と呼ばれる3つのモジュールから構成される。 CareerBuilder12データセットの公開実験は、私たちのアプローチに対する関心を示しています。
  論文  参考訳（メタデータ） (2021-11-09T10:52:57Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• Fair Representation Learning for Heterogeneous Information Networks [35.80367469624887]
  公平なHIN表現学習のための包括的非バイアス化手法を提案する。 これらのアルゴリズムの挙動,特にフェアネスと予測精度のトレードオフをバランスさせる能力について検討した。 キャリアカウンセリングの自動化アプリケーションにおいて,提案手法の性能を評価する。
  論文  参考訳（メタデータ） (2021-04-18T08:28:18Z)
• Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
  グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。 マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:09:51Z)
• Exploiting Heterogeneous Graph Neural Networks with Latent Worker/Task Correlation Information for Label Aggregation in Crowdsourcing [72.34616482076572]
  クラウドソーシングは専門家ではなく、専門家でない労働者からラベルを集めるのに便利であることから、多くの注目を集めている。 群集ラベルを集約するグラフニューラルネットワークに基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:12:37Z)
• Shifu2: A Network Representation Learning Based Model for Advisor-advisee Relationship Mining [82.75996880087747]
  本稿では,ネットワーク表現学習(NRL)に基づく新しいモデル,すなわちshifu2を提案する。 Shifu2は、コラボレーションネットワークを入力とし、特定アドバイザ・アドバイザー関係を出力とする。 そこで我々は,Shifu2を利用した大規模学術系譜データセットを作成した。
  論文  参考訳（メタデータ） (2020-08-17T05:40:06Z)

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。