[论文解读] 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 13

一句话总结

本文介绍了领英的下一代人才搜索系统 'Search by Ideal Candidates'，该系统允许招聘人员通过输入一个或多个理想候选人作为示例，而非构建复杂查询，来寻找合适的候选人。系统会自动从理想候选人的资料中生成描述性查询，并结合个性化排序与职业轨迹相似性模型对结果进行排序，从而在保持高相关性的同时提升搜索的透明度与交互性。

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.

研究动机与目标

• 为了解决将复杂的招聘标准转化为有效搜索查询的挑战，该过程耗时且需要深入的领域知识。
• 通过允许招聘人员输入理想候选人示例而非构建详细查询，提升人才搜索效率。
• 通过展示并允许用户修改自动生成的查询，提升搜索的透明度与用户控制力。
• 在用户优化搜索时，动态平衡查询与理想候选人对排序的影响。
• 构建一个可扩展的个性化人才搜索系统，充分利用领英的半结构化专业数据。

提出的方法

• 系统从输入的理想候选人资料中提取原始属性（如技能、公司、职位等）。
• 在技能生成方面，估算每位候选人的专业程度得分，并在候选人之间聚合，以识别出最具代表性的技能。
• 在公司类别方面，利用共视关系发现理想候选人资料中公司所对应的相似公司。
• 最终查询通过组合顶级技能与相似公司构成，形成描述性强、透明度高的搜索表达式。
• 结果通过混合模型进行排序：结合个性化排序函数（整合文本、地理位置和社会关系特征）与基于职业路径序列比对的职场轨迹相似性模型（CareerSim）。
• 当用户编辑查询时，系统会动态重新平衡排序函数，以减少对理想候选人的依赖，同时增强对修改后查询的关注。

实验结果

研究问题

• RQ1 如何设计人才搜索系统，使招聘人员能够通过示例候选人进行搜索，而非使用复杂查询？
• RQ2 哪些技术能够从一组理想候选人资料中自动生成描述性强、质量高的查询？
• RQ3 当用户修改查询时，系统如何在仍利用输入候选人信息的前提下，保持结果的相关性与透明度？
• RQ4 与基于关键词的匹配相比，职业轨迹相似性在提升人才搜索相关性方面发挥什么作用？
• RQ5 在交互式搜索会话中，如何动态平衡查询与理想候选人对排序的影响？

主要发现

• 该系统成功地将输入的理想候选人资料转化为描述性强、透明度高的查询，准确捕捉了技能与公司等关键属性。
• 通过专业程度得分聚合，显著提升了技能类别生成的质量，识别出候选人之间最具代表性的技能。
• 公司之间的共视关系有效支持了相似组织的发现，从而提升了公司类别的质量。
• 混合排序模型结合个性化排序与CareerSim，通过同时捕捉文本特征与职业轨迹相似性，显著提升了结果的相关性。
• 在用户交互过程中动态调整查询与候选人影响的平衡，即使查询偏离原始理想候选人，也能保持搜索的相关性。
• 该系统已向试点客户推出，预计于2016年初扩展至更广泛的外部用户，标志着领英人才搜索进入下一代发展阶段。