論文の概要: Developing an Intelligent Job Recommendation System Using Semantic Retrieval and Explainable AI Techniques
- arxiv url: http://arxiv.org/abs/2605.27656v1
- Date: Tue, 26 May 2026 20:16:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.504734
- Title: Developing an Intelligent Job Recommendation System Using Semantic Retrieval and Explainable AI Techniques
- Title（参考訳）: 意味的検索と説明可能なAI技術を用いたインテリジェントな求人推薦システムの開発
- Authors: Hussein Al Awad, Khaled Fathi Omar,
- Abstract要約: 本研究では, TF-IDF語彙マッチング, Sentence-BERTセマンティック検索, クエリ認識フィルタリング, オプションのクロスエンコーダの再ランク付け, 説明生成を組み合わせたメタデータ駆動型ジョブレコメンデーションシステムを提案する。
31262レコードを含むクリーニングLinkedInジョブポストデータセットで実施された実験は、最高のハイブリッド構成が精度を10スコアで0.8032、nDCGを0.9496で達成したことを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online recruitment platforms require recommendation methods capable of retrieving relevant job opportunities from large and heterogeneous collections of job postings. Keyword-based search is efficient and interpretable, but it may fail to retrieve relevant postings when equivalent roles are expressed using different terminology. This study presents a metadata-driven job recommendation system that combines TF-IDF lexical matching, Sentence-BERT semantic retrieval, query-aware filtering, optional Cross-Encoder re-ranking, and explanation generation. The proposed system utilizes structured metadata fields including job title, company name, location, seniority level, job function, employment type, and industry without relying on full job descriptions or user interaction histories. Experiments conducted on a cleaned LinkedIn job posting dataset containing 31262 records demonstrate that the best hybrid configuration achieved a Precision at 10 score of 0.8032 and an nDCG at 10 score of 0.9496. Under the internal evaluation protocol, Cross-Encoder re-ranking improved Precision at 10 from 0.7896 to 0.7948 and nDCG at 10 from 0.9666 to 0.9739. These findings indicate that lexical and semantic retrieval techniques can be effectively combined to provide explainable job recommendations when only structured metadata is available.
- Abstract（参考訳）: オンライン求人プラットフォームは、大規模で異質な求職者からの求職機会を回収するレコメンデーション手法を必要としている。
キーワードベースの検索は効率的かつ解釈可能であるが、異なる用語を用いて等価な役割が表現された場合、関連する投稿を検索できない可能性がある。
本研究では, TF-IDF語彙マッチング, Sentence-BERTセマンティック検索, クエリ認識フィルタリング, オプションのクロスエンコーダの再ランク付け, 説明生成を組み合わせたメタデータ駆動型ジョブレコメンデーションシステムを提案する。
本システムでは,ジョブ記述やユーザインタラクション履歴に頼らずに,職名,企業名,場所,高齢者レベル,職業機能,雇用タイプ,産業などの構造化メタデータフィールドを利用する。
31262レコードを含むクリーニングLinkedInジョブポストデータセットで実施された実験は、最高のハイブリッド構成が精度を10スコアで0.8032、nDCGを0.9496で達成したことを示している。
内部評価プロトコルの下で、クロスエンコーダは改良された精度を10で0.7896から0.7948に、nDCGを10で0.9666から0.9739に再ランク付けした。
これらの結果から,レキシカルおよびセマンティック検索手法を効果的に組み合わせることで,構造化メタデータのみを利用できる場合に,説明可能なジョブレコメンデーションを提供することが可能であることが示唆された。
関連論文リスト
- Policy-Grounded Dynamic Facet Suggestions for Job Search [8.820401111478139]
LinkedInでは、ジョブ関連のクエリの80%以上が、3つ以上のキーワードを含んでいる。
本稿では,意図の曖昧さを容易にする対話型クエリ改善機構である動的ファセット提案(DFS)を提案する。
論文 参考訳（メタデータ） (2026-05-15T17:30:45Z) - JobMatchAI An Intelligent Job Matching Platform Using Knowledge Graphs, Semantic Search and Explainable AI [8.490674487991074]
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。
論文 参考訳（メタデータ） (2026-03-15T19:13:41Z) - GRETEL: A Goal-driven Retrieval and Execution-based Trial Framework for LLM Tool Selection Enhancing [6.790345342526922]
GRETELは、サンドボックス化された計画実行評価サイクルを通じてセマンティックに検索された候補を処理するエージェントワークフローを実装している。
ToolBenchベンチマークに関する包括的な評価は、すべてのメトリクスで大幅に改善されていることを示しています。
論文 参考訳（メタデータ） (2025-10-10T00:12:51Z) - Iterative NLP Query Refinement for Enhancing Domain-Specific Information Retrieval: A Case Study in Career Services [0.13980986259786224]
ニッチドメインにおける意味的関連文書の検索は、TF-IDFベースのシステムにとって大きな課題となる。
本稿では,Humber CollegeのキャリアサービスWebページに合わせて,反復的かつ半自動的なクエリリファインメント手法を提案する。
論文 参考訳（メタデータ） (2024-12-22T15:57:35Z) - Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
文脈と問合せの間のポイントワイドな相互情報は,言語モデルの性能向上に有効な指標であることを示す。
本稿では,文書と質問のポイントワイドな相互情報を利用する2つの手法を提案する。
論文 参考訳（メタデータ） (2024-11-12T13:14:09Z) - Cross-lingual Contextualized Phrase Retrieval [63.80154430930898]
そこで本研究では,言語間関係の単語検索を多義的に行うタスクの定式化を提案する。
我々は、コントラスト学習を用いて、言語間コンテクスト対応句検索(CCPR)を訓練する。
フレーズ検索タスクでは、CCPRはベースラインをかなり上回り、少なくとも13ポイント高いトップ1の精度を達成する。
論文 参考訳（メタデータ） (2024-03-25T14:46:51Z) - 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) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - Zero-Shot Listwise Document Reranking with a Large Language Model [58.64141622176841]
本稿では,タスク固有の学習データを用いることなく,言語モデル(LRL)を用いたリスワイズ・リランカを提案する。
3つのTRECウェブサーチデータセットの実験により、LRLは第1段検索結果の再ランク付け時にゼロショットポイントワイズ法より優れるだけでなく、最終段再ランカとしても機能することが示された。
論文 参考訳（メタデータ） (2023-05-03T14:45:34Z)
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。