[論文レビュー] Search by Ideal Candidates: Next Generation of Talent Search at LinkedIn

Viet Ha−Thuc, Ye Xu+6 more|arXiv (Cornell University)|Feb 26, 2016

Recommender Systems and Techniques参考文献 6被引用数 13

ひとこと要約

この論文では、LinkedInにおける次世代のタレントサーチシステムである「Search by Ideal Candidates」を紹介している。このシステムは、複雑なクエリを構築するのではなく、1人以上の例示候補者を入力することで適切な採用候補者を特定できるようにする。システムは理想候補者のプロファイルから記述的クエリを自動生成し、パーソナライズドランク付けとキャリア軌跡類似性を組み合わせたハイブリッドモデルを用いて結果をランク付けすることで、検索の透明性とインタラクティブ性を向上させつつ、高い関連性を維持する。

ABSTRACT

One key challenge in talent search is how to translate complex criteria of a hiring position into a search query. This typically requires deep knowledge on which skills are typically needed for the position, what are their alternatives, which companies are likely to have such candidates, etc. However, listing examples of suitable candidates for a given position is a relatively easy job. Therefore, in order to help searchers overcome this challenge, we design a next generation of talent search paradigm at LinkedIn: Search by Ideal Candidates. This new system only needs the searcher to input one or several examples of suitable candidates for the position. The system will generate a query based on the input candidates and then retrieve and rank results based on the query as well as the input candidates. The query is also shown to the searcher to make the system transparent and to allow the searcher to interact with it. As the searcher modifies the initial query and makes it deviate from the ideal candidates, the search ranking function dynamically adjusts an refreshes the ranking results balancing between the roles of query and ideal candidates. As of writing this paper, the new system is being launched to our customers.

研究の動機と目的

• 複雑な採用基準を効果的な検索クエリに変換する課題に対処すること。これは時間のかかる作業であり、深いドメイン知識を要する。
• 採用担当者が詳細なクエリを構築するのではなく、理想的な候補者例を入力することで、タレントサーチの効率を向上させること。
• 自動生成されたクエリを露呈させ、変更を許可することで、検索の透明性とユーザーのコントロール感を高めること。
• ユーザーが検索を洗練させるにつれて、クエリと理想候補者の両方がランク付けに与える影響を動的にバランスすること。
• LinkedInの準構造的プロフェッショナルデータを活用するスケーラブルでパーソナライズドなタレントサーチシステムを構築すること。

提案手法

• システムは、入力された理想候補者のプロファイルから、スキル、会社、職位など、基本的な属性を抽出する。
• スキル生成のため、各候補者ごとの熟練度スコアを推定し、複数の候補者にわたって集約することで、代表的なスキルを特定する。
• 会社のファセット（分類）については、共通閲覧関係（co-viewing relationships）を用いて、理想候補者のプロファイルに含まれる会社に類似する会社を同定する。
• 最終的なクエリは、上位のスキルと類似会社を組み合わせることで構築され、記述的かつ透明性の高い検索式が得られる。
• 結果のランク付けにはハイブリッドモデルが用いられる。これは、テキスト的特徴、地理的特徴、ソーシャル特徴を統合したパーソナライズドランク関数と、キャリアパスのシーケンスアラインメントに基づくキャリア軌跡類似性（CareerSim）モデルの両方を組み合わせたものである。
• ユーザーがクエリを編集する際、システムはランク関数の影響を動的に再バランスさせ、理想候補者への依存を減らし、変更されたクエリへの注目を高める。

実験結果

リサーチクエスチョン

• RQ1 採用担当者が複雑なクエリを入力するのではなく、例示候補者を入力することで検索できるようなタレントサーチシステムをどのように設計できるか？
• RQ2 一連の理想候補者プロファイルから、記述的で高品質なクエリを自動生成するための技術は何か？
• RQ3 ユーザーがクエリを変更しても、依然として入力された候補者を活用しつつ、関連性と透明性を維持するにはどうすればよいか？
• RQ4 キーワードベースのマッチングと比較して、キャリア軌跡類似性がタレントサーチの関連性をどのように向上させるか？
• RQ5 インタラクティブな検索セッション中に、クエリと理想候補者の影響をどのように動的にバランスできるか？

主な発見

• システムは、入力された理想候補者プロファイルを、スキルや会社などの重要な属性を捉えた記述的かつ透明性の高いクエリに成功して変換した。
• 熟練度スコアの集約を用いることで、候補者間で最も代表的なスキルを特定するスキルファセット生成の質が向上した。
• 会社間の共通閲覧関係を活用することで、類似企業の効果的同定が可能となり、会社ファセットの質が向上した。
• パーソナライズドランク付けとCareerSimを組み合わせたハイブリッドランクモデルは、テキスト的類似性とキャリア軌跡類似性の両方を捉えることで、結果の関連性を顕著に向上させた。
• ユーザーの操作に伴い、クエリと候補者の影響を動的に再バランスさせることで、元の理想候補者から逸脱しても検索の関連性を維持できた。
• このシステムはパイロットユーザーに提供され、2016年初頭にはより広範な外部ユーザーへスケーリングされる予定であり、LinkedInのタレントサーチにおける次世代の転換点を示している。