DISCO: A Hierarchical Disentangled Cognitive Diagnosis Framework for Interpretable Job Recommendation

要約

オンライン採用プラットフォームの急速な発展により、求職者にとって前例のない機会が創出されると同時に、求職者のスキルや好みに合ったポジションを迅速かつ正確に特定するという重大な課題が生じています。
求人推薦システムは、クリック数や応募数などのユーザー エンゲージメント指標を最適化することで、求職者の広範な検索負担を大幅に軽減し、顕著な成功を収めています。
近年、効果的な仕事推奨モデルの開発に多くの研究が費やされており、主にテキスト マッチング ベースおよび行動モデリング ベースの手法に焦点が当てられています。
これらのアプローチは目覚ましい成果をもたらしましたが、採用推奨の説明可能性に関する研究は依然として深く研究されていないことに注意する必要があります。
この目的を達成するために、この論文では、効果的で解釈可能な仕事の推奨のための基礎となる表現学習モデルに柔軟に対応することを目的とした、階層的もつれ解除ベースの認知診断フレームワークである DISCO を提案します。
具体的には、まず、求職者と仕事の隠された表現に暗示される階層的スキル関連の要素を明示的にマイニングするための階層的表現解きほぐしモジュールを設計します。
続いて、レベル間知識影響モジュールとレベルごとの対照学習で構成される、レベル間およびレベル内の両方での情報通信と堅牢な表現学習を強化するために、レベルを意識した関連モデリングを提案します。
最後に、求職者と求人の間のマルチレベルの採用インタラクションプロセスを効果的にモデル化するための神経診断機能を組み込んだインタラクション診断モジュールを考案し、認知測定理論を導入します。

要約(オリジナル)

The rapid development of online recruitment platforms has created unprecedented opportunities for job seekers while concurrently posing the significant challenge of quickly and accurately pinpointing positions that align with their skills and preferences. Job recommendation systems have significantly alleviated the extensive search burden for job seekers by optimizing user engagement metrics, such as clicks and applications, thus achieving notable success. In recent years, a substantial amount of research has been devoted to developing effective job recommendation models, primarily focusing on text-matching based and behavior modeling based methods. While these approaches have realized impressive outcomes, it is imperative to note that research on the explainability of recruitment recommendations remains profoundly unexplored. To this end, in this paper, we propose DISCO, a hierarchical Disentanglement based Cognitive diagnosis framework, aimed at flexibly accommodating the underlying representation learning model for effective and interpretable job recommendations. Specifically, we first design a hierarchical representation disentangling module to explicitly mine the hierarchical skill-related factors implied in hidden representations of job seekers and jobs. Subsequently, we propose level-aware association modeling to enhance information communication and robust representation learning both inter- and intra-level, which consists of the interlevel knowledge influence module and the level-wise contrastive learning. Finally, we devise an interaction diagnosis module incorporating a neural diagnosis function for effectively modeling the multi-level recruitment interaction process between job seekers and jobs, which introduces the cognitive measurement theory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google