[논문 리뷰] A challenge-based survey of e-recruitment recommendation systems

Yoosof Mashayekhi, Nan Li외 3명|arXiv (Cornell University)|2022. 09. 12.

Recommender Systems and Techniques인용 수 5

한 줄 요약

이 종합 검토는 전자 구인 추천 시스템에 대한 도전 과제 기반 분석을 제시하며, 데이터 희소성, 공정성, 다국어 매칭, 사용자 특화 요구사항 등의 핵심 도전 과제 8가지를 특정하고 각 도전 과제에 대응하는 기존 연구 솔루션을 매핑한다. 이는 알고리즘 분류가 아닌 실제 설계 과제에 중점을 두어 개발자와 연구자에게 실용적인 프레임워크를 제공하며, 공개 데이터셋 부족 및 대화형·포괄적인 추천 시스템의 필요성과 같은 열린 문제를 부각시킨다.

ABSTRACT

E-recruitment recommendation systems recommend jobs to job seekers and job seekers to recruiters. The recommendations are generated based on the suitability of the job seekers for the positions as well as the job seekers' and the recruiters' preferences. Therefore, e-recruitment recommendation systems could greatly impact job seekers' careers. Moreover, by affecting the hiring processes of the companies, e-recruitment recommendation systems play an important role in shaping the companies' competitive edge in the market. Hence, the domain of e-recruitment recommendation deserves specific attention. Existing surveys on this topic tend to discuss past studies from the algorithmic perspective, e.g., by categorizing them into collaborative filtering, content based, and hybrid methods. This survey, instead, takes a complementary, challenge-based approach, which we believe might be more practical to developers facing a concrete e-recruitment design task with a specific set of challenges, as well as to researchers looking for impactful research projects in this domain. We first identify the main challenges in the e-recruitment recommendation research. Next, we discuss how those challenges have been studied in the literature. Finally, we provide future research directions that we consider promising in the e-recruitment recommendation domain.

연구 동기 및 목표

• 기존 종합 검토가 알고리즘적 방법에 집중하는 데 반해 실제 전자 구인 추천 시스템의 실무적 과제에 초점을 맞추지 못한 격차를 보완하기 위해.
• 데이터 희소성, 공정성, 다국어 매칭 등 전자 구인 연구에서 반복적으로 나타나는 여덟 가지 핵심 도전 과제를 특정하고 분석하기 위해.
• 각 도전 과제를 기존 문헌과 솔루션 접근법과 연결함으로써 개발자와 연구자가 목표 지향적인 시스템 설계와 영향력 있는 연구를 수행할 수 있도록 안내하기 위해.
• 대화형 추천, 특정 구직자 집단(예: 신경다양성 있는 개인) 지원, 다양한 공개 가능 데이터셋의 필요성 등 아직 탐색되지 않은 분야를 부각시키기 위해.
• 공정성 있는 상호 매칭 및 구직자 하위 집단의 특수한 요구를 가진 그룹을 위한 분류 체계 개발과 같은 향후 연구 방향을 제시하기 위해.

제안 방법

• 이 종합 검토는 알고리즘 분류(예: 협업 필터링)에 초점을 맞추는 대신 전자 구인 시스템의 실제 설계 과제에 중점을 두는 도전 과제 기반 접근법을 채택한다.
• 최근 문헌(2012년 이후)의 체계적 분석을 통해 데이터 희소성, 콜드 스타트, 공정성, 다국어 매칭 등 여덟 가지 주요 도전 과제를 특정하고 분류한다.
• 각 도전 과제에 대해 기존 연구가 어떻게 이를 해결했는지 검토하며, 딥 러닝 모델, 전이 학습, 다_ARM 밴딧 등 특정 기법을 인용한다.
• 구직자와 직무 공고 간 매칭을 고려한 추천 시스템 간 비교 분석을 포함하며, 사용자 프로필, 선호도, 이해관계자 간 역학 관계에 주목한다.
• 대화형 추천 시스템이 대화를 통해 선호도를 확보하고 사용자 참여도를 향상시키는 데서 수행하는 역할을 평가한다.
• 특히 소외되거나 특수 필요를 가진 구직자에게 초점을 맞춘 사용자 중심 설계의 중요성을 강조하며, 맞춤형 시스템 인터페이스와 데이터 수집 전략을 지지한다.

실험 결과

연구 질문

• RQ1 伝통적인 알고리즘 기반 종합 검토가 충분히 다루지 못하는 전자 구인 추천 시스템의 가장 두드러진 과제는 무엇인가요?
• RQ2 기존 연구는 전자 구인 시스템에서 데이터 희소성, 공정성, 다국어 직무 매칭 등의 과제를 어떻게 해결했나요?
• RQ3 특히 공개 데이터셋 가용성과 다양한 구직자 집단의 표현에 있어 현재 전자 구인 연구의 주요 한계는 무엇인가요?
• RQ4 대화형 추천 시스템은 전자 구인 플랫폼에서 개인화 및 사용자 참여도를 어떻게 향상시킬 수 있나요?
• RQ5 전자 구인 추천 시스템의 공정성, 포용성, 시스템 효과성을 향상시키기 위해 가장 유망한 향후 연구 방향은 무엇인가요?

주요 결과

• 이 종합 검토는 전자 구인 추천 시스템의 여덟 가지 핵심 도전 과제를 특정한다: 데이터 희소성, 콜드 스타트, 공정성, 다국어 매칭, 대화형 추천, 특정 구직자 집단 지원, 사용자 인터페이스 설계, 공개 데이터셋 부족.
• 공정성에 대한 관심이 증가하고 있음에도 불구하고, 특히 구직자와 채용자 간의 상호적 매칭 성격을 감안할 때, 편향과 공정성 문제를 전면적으로 다루는 연구는 여전히 적다.
• 공개된 데이터셋은 CareerBuilder 2012와 Zhilian 두 개뿐이며, 이는 분야 내 벤치마킹과 재현 가능성에 심각한 제약을 가한다.
• 대화형 추천 시스템에 대한 연구는 여전히 흐릿한 편이지만, 선호도 확보 및 설명 가능성 향상 잠재력을 지닌다.
• 신경다양성 있는 개인, 노인, 장애가 있는 사람 등과 같은 소외된 집단을 위한 전문적 추천 시스템은 등장하고 있지만 여전히 개발이 부족한 상태이다.
• 구직자 하위 집단을 위한 표준화된 분류 체계가 부족하여 개인화되고 포용적인 추천 모델 개발에 장애가 되며, 이는 중요한 연구 격차를 시사한다.