删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于互惠性约束的可解释就业推荐方法

本站小编 Free考研考试/2022-01-01

朱海萍,赵成成,刘启东,郑庆华,曾疆维,田锋,陈妍
(西安交通大学电子与信息学部 西安 710049) (智能网络与网络安全教育部重点实验室(西安交通大学) 西安 710049) (zhuhaiping@xjtu.edu.cn)
出版日期: 2021-12-01


基金资助:国家重点研究与发展计划(2020AAA0108800);国家自然科学基金(61937001,61877048,62177038);国家自然科学基金创新研究团队(61721002);教育部创新研究团队(IRT_17R86);中国工程科技知识中心项目;陕西省自然科学基础研究计划(2020JM-070);“人工智能”教育部-中国移动建设项目(MCM20190701);中央高校基本科研业务费专项资金(sxzd012020003)

Reciprocal-Constrained Interpretable Job Recommendation

Zhu Haiping, Zhao Chengcheng, Liu Qidong, Zheng Qinghua, Zeng Jiangwei, Tian Feng, Chen Yan
(Faculty of Electronics and Information, Xi’an Jiaotong University, Xi’an 710049) (Key Laboratory of Intelligent Networks and Network Security (Xi’an Jiaotong University), Ministry of Education, Xi’an 710049)
Online: 2021-12-01


Supported by:This work was supported by the National Key Research and Development Program of China (2020AAA0108800), the National Natural Science Foundation of China (61937001, 61877048, 62177038), the Innovative Research Group Project of the National Natural Science Foundation of China (61721002), the Ministry of Education Innovation Research Team (IRT_17R86), the Project of China Knowledge Centre for Engineering Sciences and Technology, the Natural Science Basic Research Plan in Shaanxi Province of China (2020JM-070), MoE-CMCC “Artifical Intelligence” Project (MCM20190701), and the Fundamental Research Funds for the Central Universities (sxzd012020003).




摘要/Abstract


摘要: 当前,基于协同过滤和隐因子模型的大学生就业推荐方法,仅考虑学生对就业单位单向偏好易导致“能力失配”,且一个用户一次就业的历史记录极易致负样本不可信,影响推荐性能,同时忽略了对推荐结果的可解释性需求.针对此,依据多任务学习的思路,设计并构建了基于互惠性约束的可解释就业推荐方法.其中,引入注意力机制与模糊门机制,提取并自适应聚合学生与就业单位双向的偏好与需求,缓解“能力失配”问题;提出面向就业意图和就业特征的推荐解释方法,满足可解释性需求;提出基于相似度的随机负采样方法,克服负样本不置信问题.在某高校5届毕业生就业真实数据集上的实验结果表明:相比于多个经典和同时代的推荐方法,所提方法在AUC指标上提升超6%,并且通过消融实验验证了所提方法中各模块的有效性.






[1]冯晨娇, 宋鹏, 王智强, 梁吉业. 一种基于3因素概率图模型的长尾推荐方法[J]. 计算机研究与发展, 2021, 58(9): 1975-1986.
[2]史存会, 胡耀康, 冯彬, 张瑾, 俞晓明, 刘悦, 程学旗. 舆情场景下基于层次知识的话题推荐方法[J]. 计算机研究与发展, 2021, 58(8): 1811-1819.
[3]张玲玲, 陈一苇, 吴文俊, 魏笔凡, 罗炫, 常晓军, 刘均. 基于对比约束的可解释小样本学习[J]. 计算机研究与发展, 2021, 58(12): 2573-2584.
[4]孙建文, 周建鹏, 刘三女牙, 何绯娟, 唐云. 基于多层注意力网络的可解释认知追踪方法[J]. 计算机研究与发展, 2021, 58(12): 2630-2644.
[5]马连韬, 张超贺, 焦贤锋, 王亚沙, 唐雯, 赵俊峰. Dr.Deep:基于医疗特征上下文学习的患者健康状态可解释评估[J]. 计算机研究与发展, 2021, 58(12): 2645-2659.
[6]张炳, 文峥, 魏筱瑜, 任家东. InterDroid:面向概念漂移的可解释性Android恶意软件检测方法[J]. 计算机研究与发展, 2021, 58(11): 2456-2474.
[7]陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986.
[8]郑值, 徐童, 秦川, 廖祥文, 郑毅, 刘同柱, 童贵显. 基于多源情境协同感知的药品推荐[J]. 计算机研究与发展, 2020, 57(8): 1741-1754.
[9]成科扬, 王宁, 师文喜, 詹永照. 深度学习可解释性研究进展[J]. 计算机研究与发展, 2020, 57(6): 1208-1217.
[10]陈嘉颖, 于炯, 杨兴耀. 一种融合语义分析特征提取的推荐算法[J]. 计算机研究与发展, 2020, 57(3): 562-575.
[11]曾义夫, 牟其林, 周乐, 蓝天, 刘峤. 基于图表示学习的会话感知推荐模型[J]. 计算机研究与发展, 2020, 57(3): 590-603.
[12]吴宾,娄铮铮,叶阳东. 一种面向多源异构数据的协同过滤推荐算法[J]. 计算机研究与发展, 2019, 56(5): 1034-1047.
[13]周俊,董晓蕾,曹珍富. 推荐系统的隐私保护研究进展[J]. 计算机研究与发展, 2019, 56(10): 2033-2048.
[14]纪守领,李进锋,杜天宇,李博. 机器学习模型可解释性方法、应用与安全研究综述[J]. 计算机研究与发展, 2019, 56(10): 2071-2096.
[15]张飞,张立波,罗铁坚,武延军. 一种基于特征的协同聚类模型[J]. 计算机研究与发展, 2018, 55(7): 1508-1524.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4543
相关话题/计算机 推荐 就业 西安交通大学 实验

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于自注意力网络的共享账户跨域序列推荐
    郭磊1,李秋菊1,刘方爱2,王新华21(山东师范大学商学院济南250358);2(山东师范大学信息科学与工程学院济南250358)(leiguo.cs@gmail.com)出版日期:2021-11-01基金资助:国家自然科学基金项目(61602282,61772321);中国博士后科学基金项目(20 ...
    本站小编 Free考研考试 2022-01-01
  • 面向超导量子计算机的程序映射技术研究
    窦星磊,刘磊,陈岳涛(计算机体系结构国家重点实验室(中国科学院计算技术研究所)北京100190)(中国科学院计算技术研究所北京100190)(liulei2010@ict.ac.cn)出版日期:2021-09-01基金资助:国家自然科学基金项目(62072432,61502452)AnInvesti ...
    本站小编 Free考研考试 2022-01-01
  • 一种基于3因素概率图模型的长尾推荐方法
    冯晨娇1,2,宋鹏3,王智强1,梁吉业11(计算智能与中文信息处理教育部重点实验室(山西大学)太原030006);2(山西财经大学应用数学学院太原030006);3(山西大学经济与管理学院太原030006)(fengcj@sxufe.edu.cn)出版日期:2021-09-01基金资助:国家自然科学 ...
    本站小编 Free考研考试 2022-01-01
  • 一种基于增强图卷积神经网络的协同推荐模型
    王磊,熊于宁,李云鹏,刘媛媛(西南财经大学经济信息工程学院成都610074)(dr.wangl@163.com)出版日期:2021-09-01基金资助:教育部人文社会科学研究规划基金项目(16XJAZH002);中央高校基本科研业务费专项资金(JBK2102049)ACollaborativeRec ...
    本站小编 Free考研考试 2022-01-01
  • 舆情场景下基于层次知识的话题推荐方法
    史存会1,3,胡耀康2,3,冯彬1,3,张瑾2,俞晓明1,刘悦1,程学旗41(中国科学院计算技术研究所数据智能系统研究中心北京100190);2(中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所)北京100190);3(中国科学院大学北京100049);4(烟台中科网络技术研究所山东 ...
    本站小编 Free考研考试 2022-01-01
  • 计算机芯片关键技术前沿与进展专题前言
    出版日期:2021-06-01Online:2021-06-01摘要/Abstract摘要:“计算机体系结构前沿技术2021”专题———“计算机芯片关键技术前沿与进展”,集中介绍计算机芯片设计、测试、验证方面的新理论、新技术,以及新型部件和新型芯片系统.本专题包括关于处理器芯片敏捷设计和类脑计算的2 ...
    本站小编 Free考研考试 2022-01-01
  • 基于已有实例的Linux驱动程序前向移植接口补丁推荐
    李斌1,2,贺也平1,2,3,马恒太1,2,芮建武1,21(中国科学院大学北京100049);2(中国科学院软件研究所基础软件国家工程研究中心北京100190);3(计算机科学国家重点实验室(中国科学院软件研究所)北京100190)(libin@iscas.ac.cn)出版日期:2021-01-01 ...
    本站小编 Free考研考试 2022-01-01
  • 基于超图的EBSN个性化推荐及优化算法
    于亚新,张文超,李振国,李莹(东北大学计算机科学与工程学院沈阳110169)(医学影像智能计算教育部重点实验室(东北大学)沈阳110169)(yuyx@mail.neu.edu.cn)出版日期:2020-12-01基金资助:国家自然科学基金项目(61871106,61973059);国家重点研发计划 ...
    本站小编 Free考研考试 2022-01-01
  • 基于列表级排序的深度生成推荐方法
    孙肖依,刘华锋,景丽萍,于剑(交通数据分析与挖掘北京市重点实验室(北京交通大学)北京100044)(北京交通大学计算机与信息技术学院北京100044)(sunxiaoyi@bjtu.edu.cn)出版日期:2020-08-01基金资助:国家自然科学基金项目(61822601,61773050,616 ...
    本站小编 Free考研考试 2022-01-01
  • 基于多源情境协同感知的药品推荐
    郑值1,徐童1,秦川1,廖祥文2,郑毅3,刘同柱4,童贵显41(中国科学技术大学计算机学院合肥230027);2(福州大学数学与计算机科学学院福州350116);3(华为技术有限公司杭州310051);4(中国科学技术大学附属第一医院合肥230027)(zhengzhi97@mail.ustc.ed ...
    本站小编 Free考研考试 2022-01-01