[논문 리뷰] Search by Ideal Candidates: Next Generation of Talent Search at LinkedIn

Viet Ha−Thuc, Ye Xu외 6명|arXiv (Cornell University)|2016. 02. 26.

Recommender Systems and Techniques참고 문헌 6인용 수 13

한 줄 요약

이 논문은 복잡한 쿼리를 작성하는 데 시간이 오래 걸리고 도메인 전문 지식이 필요로 하는 채용 기준을 효과적인 검색 쿼리로 변환하는 데 어려움을 해결하기 위해 LinkedIn에서 개발한 차세대 인재 검색 시스템인 'Ideal Candidates로 검색'을 소개한다. 이 시스템은 복잡한 쿼리를 수작업으로 작성하는 대신, 한 명 이상의 예시 후보자 프로필을 입력하여 적합한 인재를 찾을 수 있도록 한다. 시스템은 이상 후보자 프로필에서 자동으로 기술적 설명을 가진 쿼리를 생성하고, 개인화된 랭킹과 경력 궤적 유사성의 하이브리드 모델을 활용해 결과를 순위 매긴다. 이는 검색의 투명성과 상호작용을 향상시키면서도 높은 관련성 유지에 기여한다.

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.

연구 동기 및 목표

• 복잡한 채용 기준을 효과적인 검색 쿼리로 변환하는 데 어려움을 해결하기 위해, 이는 시간이 오래 걸리고 깊은 도메인 지식이 필요로 한다.
• 채용자들이 세부적인 쿼리를 구성하는 대신 이상 후보자 예시를 입력할 수 있도록 함으로써 인재 검색의 효율성을 향상시키기 위해.
• 자동으로 생성된 쿼리를 노출하고 수정할 수 있도록 하여 검색의 투명성과 사용자 제어력을 향상시키기 위해.
• 사용자가 검색을 세밀하게 다듬음에 따라 쿼리와 이상 후보자 간의 영향력을 동적으로 균형 조절하기 위해.
• LinkedIn의 준구조화된 전문가 데이터를 활용하는 확장 가능한 개인화된 인재 검색 시스템을 개발하기 위해.

제안 방법

• 시스템은 입력된 이상 후보자 프로필에서 원시 속성(스킬, 기업, 직함 등)을 추출한다.
• 스킬 생성을 위해, 각 후보자에 대한 전문성 점수를 추정하고 이를 후보자 간 집계하여 가장 대표적인 스킬을 식별한다.
• 기업 필터 생성을 위해, 공통으로 조회된 관계(co-viewing relationships)를 활용하여 이상 후보자 프로필에 포함된 기업과 유사한 기업을 탐색한다.
• 최종 쿼리는 최상위 스킬과 유사 기업을 조합하여 기술적 설명이 가능한 투명한 검색 표현식으로 구성된다.
• 결과는 하이브리드 모델을 사용해 순위 매겨지며, 텍스트, 지리적, 사회적 특징을 포함한 개인화된 랭킹 함수와 경력 경로의 시퀀스 정렬 기반 Career Trajectory Similarity(CareerSim) 모델이 결합된다.
• 사용자가 쿼리를 편집함에 따라 시스템은 랭킹 함수의 영향력을 동적으로 재균형 조정하여 이상 후보자에 대한 의존도를 줄이고 수정된 쿼리에 더 집중한다.

실험 결과

연구 질문

• RQ1 채용자가 복잡한 쿼리를 사용하는 대신 예시 후보자 프로필을 기반으로 검색할 수 있도록 인재 검색 시스템을 어떻게 설계할 수 있는가?
• RQ2 어떤 기술이 이상 후보자 프로필 집합에서 기술적 설명이 가능하고 품질이 높은 쿼리를 자동으로 생성할 수 있는가?
• RQ3 사용자가 쿼리를 수정함에 따라 여전히 입력된 후보자 프로필의 영향을 유지하면서도 관련성과 투명성을 유지할 수 있는가?
• RQ4 키워드 기반 매칭과 비교했을 때, 경력 궤적 유사성은 인재 검색의 관련성 향상에 어떤 역할을 하는가?
• RQ5 인터랙티브 검색 세션 동안 쿼리와 이상 후보자 간의 영향력을 어떻게 동적으로 균형 조절할 수 있는가?

주요 결과

• 시스템은 입력된 이상 후보자 프로필을 스킬과 기업 등의 핵심 속성을 반영한 기술적 설명이 가능한 투명한 쿼리로 성공적으로 변환한다.
• 전문성 점수 집계 기법을 활용함으로써 후보자 간의 대표성 있는 스킬을 식별함으로써 스킬 필터 생성의 품질을 향상시킨다.
• 기업 간의 공통 조회 관계(co-viewing relationships)를 활용하여 효과적으로 유사 기업을 탐색함으로써 기업 필터의 품질을 향상시킨다.
• 개인화된 랭킹과 CareerSim을 조합한 하이브리드 랭킹 모델은 텍스트 유사성과 경력 궤적 유사성을 모두 반영함으로써 결과의 관련성 향상에 크게 기여한다.
• 사용자 상호작용 과정에서 쿼리와 이상 후보자 간의 영향력이 동적으로 재균형 조정되어 원래 이상 후보자에서 벗어나도 검색의 관련성 유지가 가능하다.
• 이 시스템은 시범 사용자에게 제공되고 있으며, 2016년 초에 보다 넓은 외부 사용자 대상으로 확장될 예정이며, LinkedIn의 인재 검색 분야에서 차세대 전환을 의미한다.