論文の概要: JobMatchAI An Intelligent Job Matching Platform Using Knowledge Graphs, Semantic Search and Explainable AI

• arxiv url: http://arxiv.org/abs/2603.14558v1
• Date: Sun, 15 Mar 2026 19:13:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.884724
• Title: JobMatchAI An Intelligent Job Matching Platform Using Knowledge Graphs, Semantic Search and Explainable AI
• Title（参考訳）: 知識グラフ、セマンティック検索、説明可能なAIを用いたインテリジェントなジョブマッチングプラットフォームJobMatchAI
• Authors: Mayank Vyaas, Abhijit Chakrabroty, Vivek Gupta,
• Abstract要約: JobMatchAIは、Transformerの埋め込み、スキル知識グラフ、解釈可能なリランクを統合したプロダクション対応システムである。 ジョブSearch-XSベンチマークと、BM25、知識グラフ、セマンティックコンポーネントを組み合わせたハイブリッド検索スタックにより、スキルの一般化を評価する。
• 参考スコア（独自算出の注目度）: 8.490674487991074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recruiters and job seekers rely on search systems to navigate labor markets, making candidate matching engines critical for hiring outcomes. Most systems act as keyword filters, failing to handle skill synonyms and nonlinear careers, resulting in missed candidates and opaque match scores. We introduce JobMatchAI, a production-ready system integrating Transformer embeddings, skill knowledge graphs, and interpretable reranking. Our system optimizes utility across skill fit, experience, location, salary, and company preferences, providing factor-wise explanations through resume-driven search workflows. We release JobSearch-XS benchmark and a hybrid retrieval stack combining BM25, knowledge graph and semantic components to evaluate skill generalization. We assess system performance on JobSearch-XS across retrieval tasks, provide a demo video, a hosted website and installable package.
• Abstract（参考訳）: 求職者や求職者は、労働市場をナビゲートする検索システムに頼っており、採用結果にとって候補マッチングエンジンを重要視している。 ほとんどのシステムはキーワードフィルタとして機能し、スキルシノニムや非線形のキャリアを扱えないため、候補の欠落や不透明なマッチスコアが生じる。 本稿では,Transformerの組み込み,スキルナレッジグラフ,解釈可能なリグレードを統合したプロダクション対応システムであるJobMatchAIを紹介する。 本システムでは,スキルフィット,経験,場所,給与,企業の嗜好を対象とし,履歴書駆動の検索ワークフローによる要因的説明を提供する。 我々は JobSearch-XS ベンチマークと BM25 とナレッジグラフ,セマンティックコンポーネントを組み合わせたハイブリッド検索スタックを作成した。 JobSearch-XSのシステム性能を検索タスク間で評価し、デモビデオ、ホストされたウェブサイト、インストール可能なパッケージを提供する。

関連論文リスト

• Smart-Hiring: An Explainable end-to-end Pipeline for CV Information Extraction and Job Matching [0.0]
  本稿では,非構造化履歴書から構造化情報を自動的に抽出する,エンドツーエンドの自然言語処理パイプラインであるSmart-Hiringについて述べる。 提案システムでは、文書解析、匿名性認識、文脈テキスト埋め込み技術を組み合わせて、スキル、経験、資格を抽出する。 本システムは,その意思決定プロセスにおいて高い解釈可能性と透明性を維持しながら,競合するマッチング精度を実現する。
  論文  参考訳（メタデータ） (2025-11-04T12:44:54Z)
• AI Research Agents for Machine Learning: Search, Exploration, and Generalization in MLE-bench [76.23945148787051]
  我々は、AI研究エージェントを候補ソリューションの空間をナビゲートする検索ポリシーとして形式化し、演算子を使ってそれらを反復的に修正する。 我々の最良の探索戦略と演算子の組み合わせは、MLEベンチライトの最先端の成果を達成し、カグルメダルを39.6%から47.7%に引き上げることに成功した。
  論文  参考訳（メタデータ） (2025-07-03T11:59:15Z)
• Tree Search for Language Model Agents [73.97960454223164]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)
• 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)
• JobHam-place with smart recommend job options and candidate filtering options [0.0]
  ジョブレコメンデーションとCVランキングは自動キーワード抽出から始まり、Job/CVランキングアルゴリズムで終わる。 Job2SkillはテキストエンコーダとGruベースのレイヤの2つのコンポーネントで構成されている。 ジョブ/CVランキングアルゴリズムは、TFIDFスコアと全スキルナンバーのマッチング比に基づいて、スキルワードの発生率を算出する。
  論文  参考訳（メタデータ） (2023-03-31T09:54:47Z)
• Design of Negative Sampling Strategies for Distantly Supervised Skill Extraction [19.43668931500507]
  本稿では,リテラルマッチングによる遠隔監視に基づく,スキル抽出のためのエンドツーエンドシステムを提案する。 ESCO分類を用いて、関連するスキルからネガティブな例を選択することで、最大の改善が得られます。 我々は,タスクのさらなる研究を促進するために,研究目的のベンチマークデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-09-13T13:37:06Z)
• Toward a traceable, explainable, and fairJD/Resume recommendation system [10.820022470618234]
  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。
  論文  参考訳（メタデータ） (2022-02-02T18:17:05Z)
• Job2Vec: Job Title Benchmarking with Collective Multi-View Representation Learning [51.34011135329063]
  Job Title Benchmarking (JTB) は、様々な企業で同様の専門知識を持つ職種をマッチングすることを目的としている。 従来のJTBのアプローチは主に手作業による市場調査に依存しており、それは高価で労働集約的である。 我々はJTBをジョブ-グラフ上のリンク予測のタスクとして再編成し、ジョブタイトルにマッチするリンクはリンクを持つべきである。
  論文  参考訳（メタデータ） (2020-09-16T02:33:32Z)

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。