基于协同注意力网络的人岗匹配方法研究

摘要

人岗匹配是通过计算求职者简历与招聘信息的匹配度，进而判断求职者是否适合招聘职位.现有的在线招聘平台通过对求职者与职位进行精准匹配，以实现自动的人岗匹配推荐.但是，已有方法大多聚焦于非结构化文本信息，仅依据求职者简历文本信息与职位发布文本信息来计算相似度，忽略了结构化数值信息以及历史招聘的经验(即历史成功招聘信息)的重要性，导致推荐的精度不够准确.因此，提出基于协同注意力神经网络的人岗匹配模型(CoAttenFit),通过结构化编码将简历的数值信息进行映射，利用协同注意力生成语义特征、使用图神经网络提取历史招聘特征，最后通过特征融合计算简历与职位的匹配度.提出的方法与当前具有代表性的8个基线方法进行比较，在准确率、精确度、召回率和F1值结果平均值上，比基线分别高出10%～27%、6%～27%、12%～20%、9%～17%.实验结果表明，提出的方法能够有效提高人岗匹配的准确率，从而降低资源和时间消耗.

关键词

人岗匹配 / 协同注意力 / 图神经网络 / 文本特征表示