小重訊 10月22日，第29屆ACM國際信息與知識管理會議CIKM 2020已拉開帷幕，BOSS直聘基於多視圖協作學習的人崗匹配系統研究論文入選該大會論文集，這也是BOSS直聘連續兩年在CIKM大會上發表人崗匹配系統相關的研究成果。據悉，本屆CIKM會議共收到投稿 920 篇，錄用率為20.98%。
作為技術驅動型的招聘平臺，BOSS直聘從成立之初堅持採用推薦技術選型，深度專研人崗匹配系統相關工作。其在人崗匹配系統的研究成果曾多次在世界頂級學術會議上亮相，是人崗匹配領域發表學術研究最多的中國招聘企業，促進了AI相關技術在招聘領域的應用。
本次大會發布的論文中，BOSS直聘針對求職者和招聘方的交互行為數據稀疏且帶有噪聲這一場景，基於多視圖協作學習，提出了一個新型匹配模型，從而提升該場景下的人崗匹配效率。
多視圖協作學習的人崗匹配模型圖
"真實的求職招聘場景中，求職者與招聘者的交互行為數據往往是稀疏且帶有噪聲的，而以往單個文本匹配模型的工作效率取決於是否有大量有效的樣本數據。" BOSS直聘相關負責人介紹道，新型模型相比以往模型，增加了基於關係的匹配模塊，且將兩個匹配模塊融合進行協作訓練，優化了雙邊交互行為數據稀疏且帶有噪聲時的人崗匹配學習。
CIKM大會評審反饋，該論文提出的多視圖協作學習網絡能夠解決人崗匹配系統的負樣本噪聲問題。同時，融合文本匹配模塊和關係匹配模塊進行的聯合表示學習有助於解決雙邊交互行為數據稀疏問題，突破了以往匹配模型需要大量有效樣本數據的限定條件。而該思路對於互聯網求職招聘場景以外領域的推薦系統研究也有一定指導意義。
人崗匹配研究本質是求職招聘領域的雙邊匹配，是提升求職招聘效率的關鍵性因素，也是招聘領域的一個重要課題。BOSS直聘CEO趙鵬曾公開表示，人崗匹配研究對於招聘領域具有重要意義。人崗匹配度低會導致求職者和招聘者將大量的時間消耗在待崗、錯配， "這其實是一種不必要的'內耗' 。"
事實上，求職招聘領域的雙邊匹配並不簡單。其核心難度在於雙邊皆為"人"，而人類的不可標化、強不確定性，複雜的個體自身因素會大大增加雙邊匹配研究的難度。BOSS直聘相關負責人表示，求職招聘領域的雙邊匹配需要不僅僅在工業產品和技術上進行研究和突破，也需要關注和研究求職招聘領域的"雙邊"。BOSS直聘於2018年7月成立了全國首家職業科學實驗室，彙集了來自海內外擁有深度學習、經濟學、社會學等不同背景的科研人才，從求職招聘領域的"雙邊"出發，構建職業科學領域的研究結構，為就業市場發展和穩定，提供更多學術依據和方法。據悉，其發佈的多篇科研論文被國際頂級SSCI及SCI期刊收錄，涉及人才流動、城市研究和職場性別差異等多個領域。
