[论文解读] 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 10

一句话总结

本文提出CPCTR，一种联合优化框架，通过协同建模员工提供的在线反馈中的文本评论与数值数据（如薪资、评分），实现全面的公司画像。通过整合主题建模与潜在变量推断，CPCTR在真实世界就业数据集上实现了更优的薪资预测与可解释的意见分析，优于当前最先进基线方法。

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.

研究动机与目标

• 通过利用在线就业平台上的员工生成的文本与数值反馈，解决在有限财务数据下对公司进行画像的挑战。
• 开发一个统一模型，协同学习来自评论的潜在主题与薪资、评分等数值变量。
• 通过识别与特定职位和公司相关的积极与消极情感模式，实现有效的意见分析。
• 通过联合建模文本情感与数值绩效指标，提升薪资预测的准确性。
• 为基准比较与战略决策提供关于公司特征（如优势与劣势）的可解释洞察。

提出的方法

• CPCTR提出一种联合优化框架，将协同主题回归与潜在变量建模相结合，以处理文本与数值数据。
• 在协同主题回归（CTR）基础上，引入评分信息，并显式建模正向与负向的主题-词汇分布。
• 该模型从员工评论中学习潜在主题，每个主题代表一个语义主题，如工作环境或加班。
• 通过统一的概率目标函数，联合优化主题分布、薪资预测与评分预测。
• 该框架包含正则化项（λv 和 λr），以在训练过程中平衡文本与数值组件的影响。
• CPCTR采用变分推断方法估计模型参数，并推断公司与职位的潜在表示。

实验结果

研究问题

• RQ1 统一模型能否有效结合员工评论的文本数据与数值数据（如薪资、评分），以提升公司画像效果？
• RQ2 员工评论中的积极与消极情感主题与公司特征及薪资水平之间存在何种相关性？
• RQ3 在使用员工提供数据的情况下，CPCTR在薪资预测准确性方面相较于现有方法的提升程度如何？
• RQ4 通过员工反馈揭示的大型公司（如百度、腾讯、阿里巴巴）最具代表性的优势与劣势是什么？
• RQ5 在联合优化框架中，CPCTR对超参数设置（如 λv 与 λr）的鲁棒性如何？

主要发现

• 在五折交叉验证中，CPCTR在薪资预测方面实现了最佳平均性能，优于所有最先进基线方法。
• 该模型表现出高度鲁棒性，正则化参数 λv 与 λr 取不同值时性能波动极小。
• 当 λv = 1000 且 λr = 1 时，模型达到最优性能，该设置被用作实验中的默认参数。
• 该模型成功识别出可解释的主题：对于软件工程师，正向主题包括工作环境、灵活工时与技术文化；负向主题包括加班、晋升前景与福利担忧。
• 百度在福利与技术方面被视为优势，腾讯在培训与学习方面表现突出，阿里巴巴则以文化与氛围为亮点。
• 三大中国互联网公司（BAT）在加班方面普遍被负面评价，且腾讯常因管理问题受到批评。