Sistema Ibrido di Raccomandazione di Lavoro Combina TF-IDF e Sentence-BERT
C'è questo nuovo sistema di raccomandazione di lavoro che è piuttosto interessante. Utilizza metadati per abbinare i lavori, basandosi su tecniche come TF-IDF per la corrispondenza delle parole e Sentence-BERT per comprendere il contesto. C'è anche un processo di filtraggio che si adatta alla query e una funzione opzionale di riordinamento. Organizza dettagli come titolo del lavoro, azienda, località e altro, senza bisogno di lunghe descrizioni del lavoro o dati dell'utente. Quando è stato testato su un dataset curato di LinkedIn di 31.262 lavori, la sua accuratezza è stata misurata con una metrica Precision at 10. Questo approccio mira a superare i limiti delle ricerche tradizionali per parole chiave trovando annunci di lavoro pertinenti, anche se usano termini diversi.
Fatti principali
- Il sistema combina TF-IDF e Sentence-BERT per la raccomandazione di lavoro
- Utilizza campi di metadati: titolo del lavoro, azienda, località, anzianità, funzione, tipo di impiego, settore
- Non si basa su descrizioni complete del lavoro o cronologia utente
- Testato su 31.262 annunci di lavoro di LinkedIn
- Ha raggiunto Precision at 10 negli esperimenti
- Include un riordinamento opzionale con Cross-Encoder
- Genera spiegazioni per le raccomandazioni
- Affronta la mancata corrispondenza terminologica nelle ricerche di lavoro