网易首页 > 网易号 > 正文 申请入驻

人才库变成“一潭死水”?因为你缺了这个!

0
分享至

先给大家看一组数字:

● 一家企业在进行了5年以上的招聘,通过不同渠道可以接触到行业内60%以上目标候选人。

● 经过3年以上招聘的中大型企业,从不同渠道累积获取的简历可达到10万份以上。

● 企业人才库简历的平均利用率不到10%。

换句话说,经过几年招聘,大部分企业都会积累丰富的简历资源。但是,这样的人才金矿并没有得到充分的利用。人才池的水平线不断上涨,最终却成了一潭死水。

为什么企业不愿意优先从人才库中搜索已有简历,反而不断投入人力和金钱从外部渠道获取人才呢?

很大一部分原因就是人才库系统不好用,只是简单的简历储存。上万份甚至上百万份简历堆砌在一个库里,要找人的时候怎么也找不到。

要处理海量数据,AI算法就体现了天然的优势。HR只要通过关键词和标签,强大的搜索引擎就可以快速锚定目标候选人,基于人才画像,自动筛选高质量简历,从成千上万的候选人简历中快速找到最匹配的那个TA,从而达到快速填补空缺职位、提高招聘效率、降低招聘成本的目的。

那具体AI是怎么做到的呢?e成科技算法团队今天就来给大家科普一下人才库搜索引擎背后的算法知识:

知识图谱在e成科技人才搜索引擎中的应用

背景介绍

人才搜索引擎是e成科技企业服务中的重要组成部分,为用户提供人才库搜索服务。e成科技早期的搜索引擎主要依赖于term weight、bm25等传统的信息检索相关技术,在语义匹配方面相对薄弱,而随着e成科技人力资源知识图谱的落地,搜索引擎引入知识图谱相关数据在效果上获得较大提升。

知识图谱

e成科技的知识图谱主要组成部分是实体(entity)和实体间关系,实体类型主要有职能、技能和行业等, 实体关系主要为上下位关系,基于整个graph,可以训练出每个entity的embedding。

人才搜索引擎的主要模块

人才搜索引擎主要有以下几个主要模块组成:

Query understanding:

query理解的主要工作包括对query切词,以及基本的短语识别,去除停用词,并通过NER和分类算法进行tagging,以及通过word重要性模型weighting,知识图谱落地后,NER识别后还需要通过实体链接将识别出的term/phrase对应到graph中的相应实体id。

Talent document understanding:

同样对于简历和人才画像等特征,通过识别和实体链接实体id的集合。

Match:

通过匹配模型计算query和document的match score。

Rank:

结合match模块的相关特征以及文档时效性,用户招聘偏好等特征基于pairwise的LTR模型得到document的排序。

模型介绍

1. 神经网络在文本匹配上有两种类型:

representation:

包括DSSM, CDSSM等,主要思想在于将query和doucment映射到语义空间,最后通过计算相似性表征两者的match score,这种方法的优点在于可用来建立索引,但是忽略了词粒度的特征以及重要性。

interaction:

包括MatchPyramid、KNRM、DRMM等,设计match function对query和doucment中的word进行两两交叉,得到match score从而构建interaction matrix。这种方法的效果优于前一种方法,主要原因在于在我们的场景下,岗位和人才的相关性往往取决于重要性最靠前的实体是否精确匹配或者有与之非常相关的实体出现在人才简历或画像中。

2. 基于知识图谱计算word/entity matrix

因此,我们采用了interaction类型的模型,如何构建interaction matrix是核心问题。首先通过query和document解析,得到query和document的表示

Query:<QueryEntity1, QueryEntity2 ……QueryEntityn,QueryWord1, ……QueryWordn>

doc:<DocEntity1, DocEntity2 ……DocEntityn,DocWord1, …DocWordn>

entity之间的match score通过entity embedding计算得到,entity和word以及word和word之间的match score有其他的模型计算得出,这里不详细阐述。

query entity和word与document的entity 和word交叉通过match function得到相应的矩阵。

我们选定DRMM为大体框架,而DRMM中对上述交叉后的matrix进行Histogram Pooling,考虑到这种方式会带来一定的信息损失,我们将其更换为mlp,并增加一维用来表征是否为extract match。

以下为model网络结构图:

由于word和entity的重要性在计算match feature时比较重要,我们通过attention网络计算每个query中entity/word在计算match feature时的贡献度:

其中Vi为query中一个entity或者word对应的embedding向量拼接对应的实体类型等其他特征后的向量,是可训练的参数。

由于搜索排序还需要考虑其他因素,在match feature的基础上拼接了一些额外的特征,如doc的时效性、query中的entitiy在文档出现位置的proximity、用户招聘偏好等,最后计算出score。

模型训练

我们使用系统的用户行为数据构造偏序关系,在同一query下已offer的人才>面试邀约的人才>未邀约的人才,构建pairwise的hinge loss

参考文献

[1] Jiafeng Guo, Yixing Fan, Qingyao Ai, andW Bruce Cro.. 2016. A deep relevance matching model for ad-hoc retrieval. In CIKM. ACM, 55–64.

[2] Po-Sen Huang, Xiaodong He, Jianfeng Gao, Li Deng, Alex Acero, and Larry

Heck. 2013. Learning deep structured semantic models for web search using clickthrough data. In CIKM. ACM, 2333–2338.

当然,智能搜索只是e成科技人才库功能的冰山一角。在基于AI算法搭建的智能人才库中,还可以自动做到人岗匹配,智能推荐,自定义标签,简历共享,等等个性化服务,我们的人才库功能还在不断完善中,明天我们还会有一波小更新哦,敬请期待!

关于e成科技

作为助力人才战略成功的AI平台,e成科技开创性地将AI技术与人才战略升级场景深度结合,基于画像和BOT(对话机器人),以战略解码为入口,形成AI咨询、AI招聘和AI人才洞察三大支柱产品线,为企业和政府提供人才数字化决策解决方案。e成科技始终秉持"Talent Before Strategy(人才重于战略)"的愿景,将“科技驱动人才升级”作为自身使命不懈奋斗。

e成科技成立于2013年,总部位于上海,并在北京、深圳、武汉设有分支机构。目前,e成科技已有400+员工,包括2位顶尖科学家及50+人的算法团队,技术实力雄厚。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
许晋亨与李嘉欣同框的画面,二人衣着考究

许晋亨与李嘉欣同框的画面,二人衣着考究

娱你同欢
2026-11-19 22:01:03
14分大逆转,3连胜悄悄升第四!东部头号搅局者,2换1交易押对宝

14分大逆转,3连胜悄悄升第四!东部头号搅局者,2换1交易押对宝

锅子篮球
2026-11-21 11:14:39
体操冠军被欠社保91个月!曝光后7小时补齐 官媒:这效率让人不安

体操冠军被欠社保91个月!曝光后7小时补齐 官媒:这效率让人不安

念洲
2026-11-21 08:37:10
一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

往史过眼云烟
2026-11-20 12:06:15
周海媚去世快3年,突然传来喜讯,原来她临走前还留下一份,“礼物”

周海媚去世快3年,突然传来喜讯,原来她临走前还留下一份,“礼物”

奇怪的鲨鱼们
2026-11-21 00:13:49
9发7中!荷兰公司高调认领,确认导弹参战炸俄大桥,俄罗斯会报复吗

9发7中!荷兰公司高调认领,确认导弹参战炸俄大桥,俄罗斯会报复吗

共工之锚
2026-11-20 11:18:21
坐在普京身边的美女副总理,大有来头。

坐在普京身边的美女副总理,大有来头。

迷彩人生
2026-11-20 08:43:41
广州中考数学涨到150分、英语取消完形填空,初一初二还赶得上吗

广州中考数学涨到150分、英语取消完形填空,初一初二还赶得上吗

户外阿毽
2026-11-21 08:45:55
不用鸡娃了,全员直升高中的时刻可能要来了!

不用鸡娃了,全员直升高中的时刻可能要来了!

米宅
2026-11-20 07:38:09
特朗普在深圳没拉车窗帘,这个细节让美国特勤局集体沉默

特朗普在深圳没拉车窗帘,这个细节让美国特勤局集体沉默

歪歌社团
2026-11-20 07:01:47
75岁老太旅游被骗买了一件佛陀木雕,4年后,她得了6套海景房

75岁老太旅游被骗买了一件佛陀木雕,4年后,她得了6套海景房

磊子讲史
2025-07-07 12:41:11
深圳APEC最治愈的一幕:真正的大国格局,从不用统一定义体面!

深圳APEC最治愈的一幕:真正的大国格局,从不用统一定义体面!

故事终将光明磊落
2026-11-21 09:45:41
宋喆出狱3年县城搬菜日结50块,前妻仓库2000平年营业额1200万,网友吵翻:谁更清醒

宋喆出狱3年县城搬菜日结50块,前妻仓库2000平年营业额1200万,网友吵翻:谁更清醒

迪迪的娱乐故事
2026-11-07 08:36:34
人老了真的没什么意思,我爸今年72岁,独自在家每天就做这五件事

人老了真的没什么意思,我爸今年72岁,独自在家每天就做这五件事

九哥哥车评
2026-11-21 09:38:35
曾作为赖昌星送出“礼物”并为海关关长生子的她,案发后赴美隐姓埋名,如今59岁、其29岁儿子却连婚都不敢结,这背后留下怎样的追问?

曾作为赖昌星送出“礼物”并为海关关长生子的她,案发后赴美隐姓埋名,如今59岁、其29岁儿子却连婚都不敢结,这背后留下怎样的追问?

人生录
2026-11-19 08:08:31
DeepSeek付费体验直线上升:免费时代结束了,充钱就能变爽!

DeepSeek付费体验直线上升:免费时代结束了,充钱就能变爽!

城事堂
2026-11-21 08:50:50
63岁刘之冰丽水机场自己推箱,82岁曹翠芬同行,没人认出来!

63岁刘之冰丽水机场自己推箱,82岁曹翠芬同行,没人认出来!

王姐懒人家常菜
2026-11-20 09:43:44
深圳都市圈大爆发!惠州、中山、珠海这三座城市要起飞了

深圳都市圈大爆发!惠州、中山、珠海这三座城市要起飞了

匹夫来搞笑
2026-11-21 04:53:41
韩乔生怒了:西班牙不讲武德!U17国足踢得太软,拳不够快不够狠

韩乔生怒了:西班牙不讲武德!U17国足踢得太软,拳不够快不够狠

念洲
2026-11-21 06:58:28
武汉95后小伙子承父业收废品,买到一架客机,拆解视频意外爆火,本人回应:把童年顺口溜干成了现实

武汉95后小伙子承父业收废品,买到一架客机,拆解视频意外爆火,本人回应:把童年顺口溜干成了现实

极目新闻
2026-11-20 15:01:38
2026-11-21 13:08:54
e成科技
e成科技
专注AI的HR Tech企业
237文章数 108关注度
往期回顾 全部

头条要闻

特朗普在白宫点赞深圳 称美国一些城市"脏得让人恶心"

头条要闻

特朗普在白宫点赞深圳 称美国一些城市"脏得让人恶心"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

教育
本地
数码
手机
军事航空

教育要闻

五角星数线段,看着简单,多数孩子数错

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

数码要闻

高驰VERTIX 4运动手表曝光:1.47英寸AMOLED屏幕

手机要闻

首款鸿蒙AI手机!华为星芒OSTA O1Pro发布,售价5499元起

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版