Skill matching at scale: freelancer-project alignment for efficient multilingual candidate retrieval

要約

求人提案と一連のフリーランサーの間で完全に一致するものを見つけることは、特に複数の言語で大規模に実行するのは簡単な作業ではありません。
この論文では、多言語環境でこの問題に取り組む新しいニューラルレトリーバーアーキテクチャを提案します。
私たちの方法では、事前トレーニングされた多言語モデルを活用して、プロジェクトの説明とフリーランサーのプロフィールをエンコードします。
後者は、プロファイルとプロジェクトの構造を維持することを目的としたカスタム トランスフォーマー アーキテクチャのバックボーンとして使用されます。
このモデルは、履歴データの対照的な損失を使用してトレーニングされています。
いくつかの実験のおかげで、このアプローチがスキルマッチングの類似性を効果的に捉え、効率的なマッチングを促進し、従来の方法よりも優れたパフォーマンスを発揮することを示しました。

要約(オリジナル)

Finding the perfect match between a job proposal and a set of freelancers is not an easy task to perform at scale, especially in multiple languages. In this paper, we propose a novel neural retriever architecture that tackles this problem in a multilingual setting. Our method encodes project descriptions and freelancer profiles by leveraging pre-trained multilingual language models. The latter are used as backbone for a custom transformer architecture that aims to keep the structure of the profiles and project. This model is trained with a contrastive loss on historical data. Thanks to several experiments, we show that this approach effectively captures skill matching similarity and facilitates efficient matching, outperforming traditional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google