面向简历文本的端到端岗位推荐算法研究

为增大应聘者进入招聘初试的概率,基于云南省某大型国有企业线下真实招聘数据构建数据集,对岗位推荐算法进行了实证研究。利用构建好的数据集,对研究岗位推荐算法进行研究,分别对机器学习算法中的随机森林、xgboost模型、GBDT模型、LightGBM 4种机器学习模型,以及深度学习中的卷积神经网络模型和BERT模型进行实验。对比6种模型的岗位推荐结果,BERT模型在岗位推荐过程中的表现最佳,推荐准确率可达88.12%,说明BERT模型可用于岗位推荐类数据集并可以取得较好的推荐效果。另外,BERT模型对输入数据的处理相对更少,是一种端到端的学习模型,可以更方便的应用于岗位推荐。