[論文レビュー] Collaborative Company Profiling: Insights from an Employee's Perspective

Hao Lin, Hengshu Zhu+4 more|arXiv (Cornell University)|Dec 8, 2017

Sentiment Analysis and Opinion Mining参考文献 21被引用数 10

ひとこと要約

本稿では、従業員が提供するオンラインフィードバックから得られるテキストレビューと数値データ（給与、評価）を共同でモデリングすることで、包括的な企業プロファイリングを可能にする共同最適化フレームワーク、CPCTRを提案する。トピックモデリングと潜在変数推論を統合することで、CPCTRは給与予測性能を優れたものにし、解釈可能な意見分析を実現し、実世界の雇用データセットにおいて最先端のベースラインを上回る性能を示した。

ABSTRACT

Company profiling is an analytical process to build an indepth understanding of company's fundamental characteristics. It serves as an effective way to gain vital information of the target company and acquire business intelligence. Traditional approaches for company profiling rely heavily on the availability of rich finance information about the company, such as finance reports and SEC filings, which may not be readily available for many private companies. However, the rapid prevalence of online employment services enables a new paradigm - to obtain the variety of company's information from their employees' online ratings and comments. This, in turn, raises the challenge to develop company profiles from an employee's perspective. To this end, in this paper, we propose a method named Company Profiling based Collaborative Topic Regression (CPCTR), for learning the latent structural patterns of companies. By formulating a joint optimization framework, CPCTR has the ability in collaboratively modeling both textual (e.g., reviews) and numerical information (e.g., salaries and ratings). Indeed, with the identified patterns, including the positive/negative opinions and the latent variable that influences salary, we can effectively carry out opinion analysis and salary prediction. Extensive experiments were conducted on a real-world data set to validate the effectiveness of CPCTR. The results show that our method provides a comprehensive understanding of company characteristics and delivers a more effective prediction of salaries than other baselines.

研究の動機と目的

• オンライン雇用プラットフォームから得られる従業員が生成したテキストおよび数値フィードバックを活用することで、限られた財務データのみを用いた企業プロファイリングの課題に対処すること。
• レビューからの潜在トピックと給与や評価などの数値変数を共同で学習する統合モデルの開発。
• 特定の職位や企業に関連する肯定的・否定的センチメントパターンを特定することで、効果的な意見分析を実現すること。
• テキストのセンチメントと数値的業績指標を共同でモデリングすることで、給与予測の精度を向上させること。
• ベンチマークや戦略的意思決定のための、企業の強みや弱みといった特徴に関する解釈可能なインサイトを提供すること。

提案手法

• CPCTRは、共同トピック回帰と潜在変数モデリングを統合することで、テキストデータと数値データの両方を処理する共同最適化フレームワークを定式化する。
• CTR（Collaborative Topic Regression）を拡張し、評価情報の統合と、肯定的・否定的トピック-語分布の明示的モデリングを実装する。
• 各トピックが「勤務環境」や「残業」などの意味的テーマを表すように、従業員レビューから潜在トピックを学習する。
• 統一された確率的目的関数を用いて、トピック分布、給与予測、評価予測を同時に最適化する。
• 訓練中にテキスト的および数値的コンポONENTの影響をバランスさせるために、正則化項（λv および λr）を含む。
• 変分推論アプローチを用いてモデルパラメータを推定し、企業および職位の潜在表現を推論する。

実験結果

リサーチクエスチョン

• RQ1 統合モデルは、テキスト従業員レビューと数値データ（給与、評価）を効果的に統合することで、企業プロファイリングの性能を向上させることができるか？
• RQ2 従業員レビューにおける肯定的・否定的センチメントトピックは、企業の特徴や給与水準とどのように相関しているか？
• RQ3 CPCTRは、従業員が提供したデータを用いて、既存の手法をどの程度上回る給与予測精度を達成できるか？
• RQ4 Baidu、Tencent、Alibaba などの主要企業の代表的な長所と短所は、従業員フィードバックからどのように特定できるか？
• RQ5 CPCTRは、共同最適化フレームワークにおけるハイパーパrameter（λv および λr）の設定に対して、どの程度頑健か？

主な発見

• CPCTRは、5分割交差検証において、すべての最先端ベースラインを上回る最高の平均性能を達成した。
• モデルは高い頑健性を示し、正則化パrameter λv および λr の異なる値に対しても、性能の変動が最小限に抑えられた。
• CPCTRは λv = 1000 および λr = 1 で最適な性能を示し、実験ではこれをデフォルト設定として採用した。
• モデルは解釈可能なトピックを効果的に同定した：ソフトウェアエンジニアの文脈では、肯定的トピックとして「勤務環境」「フレックスタイム」「テクノロジー文化」が、否定的トピックとして「残業」「昇進の機会」「福利厚生の懸念」が特定された。
• Baiduは「福利厚生」と「テクノロジー」が長所として、Tencentは「研修」と「学び」が長所として、Alibabaは「文化」と「雰囲気」が長所として浮き彫りにされた。
• BAT（中国の大手インターネット企業3社）は「残業」の点で一貫して否定的な評価を受け、Tencentは管理上の問題で頻繁に批判を受けていた。