[論文レビュー] How LinkedIn Economic Graph Bonds Information and Product: Applications in LinkedIn Salary

Xi Chen, Yiqun Liu+2 more|arXiv (Cornell University)|Jun 24, 2018

Data Mining Algorithms and Applications参考文献 18被引用数 9

ひとこと要約

本論文では、LinkedInのエコノミックグラフを活用して、直接的なデータが全くない集団に対しても企業レベルの給与インサイトを推定する2段階フレームワークを提案する。メンバーの転職パターンから得られるCompany2vec埋め込みと、同種企業グループを用いたベイズ的平滑化を組み合わせることで、米国の職名・地域・企業の組み合わせにおけるインサイトカバレッジを35倍に向上させつつ、わずかに精度を向上させ、数百万のユーザーに対してスケーラブルでプライバシー保護型の報酬インサイトを実現した。

ABSTRACT

The LinkedIn Salary product was launched in late 2016 with the goal of providing insights on compensation distribution to job seekers, so that they can make more informed decisions when discovering and assessing career opportunities. The compensation insights are provided based on data collected from LinkedIn members and aggregated in a privacy-preserving manner. Given the simultaneous desire for computing robust, reliable insights and for having insights to satisfy as many job seekers as possible, a key challenge is to reliably infer the insights at the company level when there is limited or no data at all. We propose a two-step framework that utilizes a novel, semantic representation of companies (Company2vec) and a Bayesian statistical model to address this problem. Our approach makes use of the rich information present in the LinkedIn Economic Graph, and in particular, uses the intuition that two companies are likely to be similar if employees are very likely to transition from one company to the other and vice versa. We compute embeddings for companies by analyzing the LinkedIn members' company transition data using machine learning algorithms, then compute pairwise similarities between companies based on these embeddings, and finally incorporate company similarities in the form of peer company groups as part of the proposed Bayesian statistical model to predict insights at the company level. We perform extensive validation using several different evaluation techniques, and show that we can significantly increase the coverage of insights while, in fact, even improving the quality of the obtained insights. For example, we were able to compute salary insights for 35 times as many title-region-company combinations in the U.S. as compared to previous work, corresponding to 4.9 times as many monthly active users. Finally, we highlight the lessons learned from deployment of our system.

研究の動機と目的

• 直接的な給与データがほとんどないもしくは全くない企業に対しても、信頼性がありプライバシー保護型の給与インサイトを提供する課題に対処すること。
• データが豊富でない集団にまでインサイトを拡大することで、より多くの求職者にサービスを提供するための製品カバレッジを向上させること。
• 直接的な報酬提出データがない企業に対しても、インサイトの堅牢性と信頼性を確保すること。
• LinkedInエコノミックグラフを活用し、従業員の転職パターンに基づいて企業の類似性をモデル化すること。
• LinkedIn給与製品におけるスケーラブルで本番環境対応の企業レベルインサイトページを実現すること。

提案手法

• LinkedInのメンバーの企業転職履歴を用いて、ネガティブサンプリングを用いたスキップグラムアプローチでCompany2vec埋め込みを学習する。
• 学習された埋め込みに基づいて企業間の類似度を計算し、各企業の同種企業グループを定義する。
• 同種企業グループの情報をベイズ的階層的平滑化モデルに統合し、企業レベルの給与インサイトを推定する。
• 同種企業グループのデータを活用して、(職名, 地域)レベルの推定値と企業固有の補正を組み合わせ、データが乏しいもしくはゼロのケースを平滑化する。
• メンバーのデータを保護するため、脱識別化、集計、しきい値処理などのプライバシー保護技術を適用する。
• 階層的事前分布を用いた統計モデリングにより、データが少ない場合に類似企業からの情報を「借用」する。

実験結果

リサーチクエスチョン

• RQ1 直接的なメンバーからの給与データがない企業に対しても、どのように信頼性のある給与インサイトを推定できるか？
• RQ2 従業員の企業間転職パターンは、報酬文脈における企業の類似性をどれほど良い代理指標として機能するか？
• RQ3 学習された企業埋め込みは、プライバシー保護の観点から、給与インサイトの精度とカバレッジを向上させることができるか？
• RQ4 ベイズ的平滑化により同種企業グループを統合することで、ベースラインモデルと比較してインサイトの質とカバレッジはどの程度向上するか？
• RQ5 このフレームワークは、インサイトカバレッジやユーザー到達率といった実世界の製品指標にどのような影響を与えるか？

主な発見

• 提案されたフレームワークにより、米国における(職名, 地域, 企業)のインサイトが利用可能な集団数が、従来の手法と比較して35倍に増加した。
• インサイトカバレッジが、月間アクティブなLinkedInユーザーの4.9倍にまで拡大し、製品の利用可能性が著しく向上した。
• カバレッジの大幅な拡大にもかかわらず、脱識別化されたメンバーデータとの検証により、インサイトの品質はわずかに向上した。
• Company2vecモデルは、転職パターンに基づいて企業の意味的関係を的確に捉え、効果的な同種企業グループの形成を可能にした。
• ベイズ的平滑化モデルは、同種企業グループの情報を効果的に活用し、データが少ない状況でも推定値を安定化させつつ、精度を損なわずに保った。
• 本システムは強力な本番環境適合性を示し、6か月以上の安定稼働を経て、明確なビジネスインパクトを発揮した。