Modeling Two-Way Selection Preference for Person-Job

[nogawanogawa]

論文URL

https://arxiv.org/abs/2208.08612

著者

Chen Yang, Yupeng Hou, Yang Song, Tao Zhang, Ji-Rong Wen, Wayne Xin Zhao

会議

RecSys '22

背景

person-job fitは採用マッチングプラットフォームにおける中核技術となっている。

相互推薦や職務推薦、job-oriented skill measurementなど、人と仕事に関する研究は様々行われているが、既存の研究は1方向の選択プロセス、または、全体のマッチングのモデリングに焦点を当てている。しかし、本質的に採用は双方向の期待に答えることが重要と考えられる。

目的

人と仕事の適合性の向上

アプローチ

• DPGNN
  • グラフの表現学習アプローチ
  • 求職者の嗜好を表すノードと他社からの選好を表すノードの二部グラフを用いた表現学習

実装

https://github.com/RUCAIBox/DPGNN

ひとことメモ

Recsys 22で出てた論文

[nogawanogawa]

背景

person-job fitは採用マッチングプラットフォームにおける中核技術となっている。

相互推薦や職務推薦、job-oriented skill measurementなど、人と仕事に関する研究は様々行われているが、既存の研究は1方向の選択プロセス、または、全体のマッチングのモデリングに焦点を当てている。しかし、本質的に採用は双方向の期待に答えることが重要と考えられる。

[nogawanogawa]

目的

人と仕事の適合性の向上

アプローチ

• DPGNN
  • グラフの表現学習アプローチ
  • 求職者の嗜好を表すノードと他社からの選好を表すノードの二部グラフを用いた表現学習

[nogawanogawa]

手法

グラフの構築

job と candidate x active と passiveの4種類のノードを使用する。 これらに関して、

• candidateが応募したけどマッチしない -> 𝒄𝑎 と 𝒋𝑝 を結合
• jobがスカウトしたけどマッチしない -> 𝒄p と 𝒋a を結合
• マッチした -> 𝒄p と 𝒋a, 𝒄𝑎 と 𝒋𝑝 を結合

のようにグラフを構築する。

表現

• eはpreference embedding (node embedding),
• Wは学習可能行列
• tはbertによるテキストembedding

これによって初期化する。

伝播

Mがマッチングしたペア、Aが相互作用ペアを表す。 結合の数の積のルートで計算する。相互作用のペアに関しては、ωの係数がかけられるようになっている。

これを

でconv layerのLで平均をとって最終的な表現とする。

Two-Way Intentions

双方向のマッチング指標として下記のように計算する。

Loss

2つのlossを組み合わせる。

Quadruple-based Loss

ネガティブ (')のケースを引いて、シグモイド、logをとって総和平均を取る

Dual-Perspective Contrastive Learning

同じノードemb同士が近づくようにする意図。

[nogawanogawa]

アルゴリズム

[nogawanogawa]

評価

baselineはrecbole

良くなってそう。

[nogawanogawa]

色々除いて見たら、提案手法が一番性能良さそう。

データのsparse性についてもLGCNより強そう。

ハイパラも探索してみた。

[nogawanogawa]

こういうのも見分けられるらしい。すごい。