(資料圖片僅供參考)

求職招聘是一個雙向選擇的過程，如何設計出更有效的推薦機制，同時滿足求職招聘雙方的需要？近期，BOSS直聘與中國人民大學研究團隊共同提出一種面向人崗匹配的雙向選擇偏好模型。目前，該論文已被推薦系統國際會議RecSys2022接收。

RecSys是國際計算機學會（ACM）舉辦的推薦系統領域的國際頂級學術會議。過往，RecSys會收錄微軟、谷歌、META等全球頂尖科技公司的論文，介紹推薦系統領域中的最新研究成果、系統和技術。

本次發表的論文《Modeling Two-Way Selection Prefence for Person-Job Fit》提出了一種解決雙邊匹配問題的新框架。在此之前，招聘行業解決雙邊推薦問題，主要是通過對單向選擇過程（如根據崗位要求推薦合適的求職者）進行建模，或者對靜態文本匹配關系（如面向簡歷/職位的文本匹配）進行建模，還沒有人嘗試通過雙視角圖卷積神經網絡來建模求職者和崗位之間不同的有向行為。

但求職招聘是一個雙向選擇的過程，作為參與方的候選人和招聘者應當同時滿足雙邊的需要，而不是只考慮其中某一方。單方面的滿意并無法使得匹配成功，雙邊期望的達成才是人崗匹配成功的關鍵。

為實現推薦系統層面的雙邊匹配，論文中提出了一種雙視角圖表示學習方法，同時建模求職者和招聘崗位之間的雙向選擇偏好。為了從求職者和崗位的雙重視角對雙方偏好進行建模，該論文為每個求職者（或崗位）引入兩個不同的節點，并通過統一的雙重視角交互圖對不同方向和類型的交互進行建模。同時為了有效地學習雙視角節點表示，該論文還設計了一種有效的優化算法，包含四元損失和雙視角對比學習損失。

相比從前，雙視角圖表示學習方法能更直觀地刻畫求職招聘雙方之間的復雜關系。從結果來看，運用該模型既可以使更滿足求職者偏好的職位在推薦列表中排序更靠前，也可以使更滿足招聘者需求的求職者在推薦列表中排序更靠前，從而提升雙邊匹配的效率。

據了解，BOSS直聘技術團隊專注于解決招聘行業的雙邊推薦問題，此前已有多篇相關論文被國際頂會收錄，如基于多視圖協作學習的人崗匹配研究、領域自適應的人崗匹配研究等。

（CIS）

關鍵詞： 推薦系統