在线招聘场景下的简历活跃度预测

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.

关键词：用户活跃度预测、在线招聘、分类、数据分析

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61702016,61702015,61572039;the Post-doctoral Science Foundation of China under Grant Nos.2017M610019,2017M610020;the Science Research Project of Shenzhen under Grant No.CYJ20151014093505032

在线出版日期：2018-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：730-740