より良い職業およびスキル推薦のための統合表現学習アプローチ

職業推薦は、現代の採用業界において重要なタスクです。優れた職業推薦システムは、現在の職業のスキルセットに最大限に一致する高給の職業を推薦するだけでなく、新しいポジションを引き受けるために必要な追加のスキルを習得することを提案します。本研究では、歴史的な職業データから3種類の情報ネットワークを作成しました：（i）職業遷移ネットワーク、（ii）職業-スキルネットワーク、（iii）スキル共出現ネットワークです。すべてのネットワークの情報を利用して、共有されたk次元潜在空間における職業とスキルの表現を共同で学習できる表現学習モデルを提供します。私たちの実験では、職業とスキルの表現を共同で学習することで、私たちのモデルが職業とスキルの両方に対してより良い推薦を提供することを示します。さらに、私たちの主張を検証するためのいくつかのケーススタディも示します。