在线招聘场景下的简历活跃度预测

• 作者: 史舒扬 崔斌 张智鹏 邵蓥侠 郭龙
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 用户活跃度预测 在线招聘 分类 数据分析
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 数据库技术
• 页码范围: 730-740
• 页数: 11页
• 分类号: TP391
• 字数: 8688字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1709035

摘要

在信息时代,在线招聘平台承担了大量的招聘任务,平台向求职者推荐合适的职位,并向招聘者推荐合适的简历.但是在推荐简历的时候,平台难以获知用户是否已找到工作,常会在求职成功以后继续推送,导致平台资源的浪费和用户体验的损失.基于这一情况,提出了在线招聘场景下的简历活跃度预测问题,旨在通过预测未来活跃度高的求职者,对其重点推送,从而应对这一问题.现有的活跃度预测方案,大都在社交场景下,结合社交网络的特点设计适应性的模型,但特点不同导致这些方案在招聘场景下并不适用.结合真实数据分析了在线招聘场景的数据特征,提出4个场景特点——高度动态性、用户黏度低、双向匹配、召回优先等.据此,有针对性地提出了招聘平台下的简历活跃度预测方法(resume activeness prediction,RAP).RAP能适应上述前3项特点,并通过调节筛选参数γ满足召回优先.在58招聘真实数据的实验中,RAP模型的AUC达到了0.817.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔斌	北京大学深圳研究生院	53	357	10.0	17.0
2	史舒扬	北京大学信息科学技术学院高可信软件技术教育部重点实验室	1	0	0.0	0.0
3	张智鹏	北京大学信息科学技术学院高可信软件技术教育部重点实验室	1	0	0.0	0.0
4	郭龙	北京大学信息科学技术学院高可信软件技术教育部重点实验室	1	0	0.0	0.0
5	邵蓥侠	北京大学信息科学技术学院高可信软件技术教育部重点实验室	3	5	1.0	2.0