Men kan zeggen dat soorten softwareproducten die met supersonische snelheid naar het kloppende hart van de consument reizen, sites voor dating zouden moeten plaatsen, prijsverlagende verkoopwaarschuwingen en banen helemaal bovenaan. De laatste heeft een nieuwe vriend in Baidu.

Kan een vacature worden ingevuld door de juiste kandidaat dankzij een machine, of moeten werkzoekenden door een mens worden beoordeeld?

Je hebt haar waarschijnlijk ook ontmoet, minstens één keer in je zoektocht naar een baan. Zij is de human resources professional die bijzonder goed was in haar werk. Ze scande je cv, lijn bij lijn, maar lees ook tussen de regels door.

Ze stelde vragen die relevant waren voor de vacature. Ze wist dat als je één soort vaardigheid of tool opnoemde, je waarschijnlijk weinig moeite zou hebben met een andere vaardigheid of tool die ze zouden moeten introduceren.

Wauw. Kan een machine haar werk doen? We zullen, misschien moet de vraag eerder zijn, kan software haar helpen beslissingen te nemen voor kandidaten die haar tijd besparen, en raak je het doel?

We zullen zeker meer weten, terwijl onderzoekers technologie voor het matchen van banen uitwerken voor tal van online wervingsdiensten. In feite, er zijn mensen die beweren dat het het menselijke element is dat meer risico loopt op vooringenomenheid en subjectief denken in plaats van de kandidaat duidelijk te beoordelen op basis van de behoeften van de baan.

In het nieuws is een neuraal net voor het matchen van cv's met beschrijvingen in vacatures. Baidu test om te zien of hun aanpak werkzoekenden effectief kan matchen met banen. MIT Technology Review 's "The Download" heeft de krant van de Baidu-teams bekeken, waar ze hun neurale netwerk presenteerden dat kan werken, van cv's, de persoon die in aanmerking zou moeten komen voor kandidatuur volgens de vaardigheden die werkgevers zoeken.

"Person-Job Fit:Adapting the Right Talent for the Right Job with Joint Representation Learning" is het artikel dat de onderzoekers schreven om hun werk te beschrijven. Person-Job Fit zou een manier kunnen zijn om de juiste werkzoekenden op de juiste posities af te stemmen.

Bij de bespreking van hun voorgestelde model, gebaseerd op een neuraal netwerk, ze zeiden dat het Person-Job Fit Neural Network (PJFNN) "de gezamenlijke representatie van Person-Job-fitness effectief kan leren van historische sollicitaties."

Hun model genaamd "Person-Job Fit Neural Network" laat weinig giswerk over wat het doet. Relevante werkzoekenden worden gemarkeerd. De auteurs zijn blijkbaar vrij positief over het PJFNN-potentieel.

Wat zit er in voor Baidu? Motivatie om betrokken te raken bij de technologie voor het matchen van werknemers en banen van hun kant zou hun intentie om het bedrijf te laten groeien kunnen bevredigen. Hoezo? "Aangezien Baidu de op één na grootste zoekmachine ter wereld bezit, het is waarschijnlijk dat het bedrijf deze technologie zou kunnen gebruiken om vacatures beter te targeten." Dat was de mening in de "Download" van Erin Winick.

De dataset die in de experimenten werd gebruikt, waren sollicitatiegegevens van een hightechbedrijf in China, met meer dan 2 miljoen cv's en 15, 039 vacatures. Er waren er maar 31, 928 succesvolle sollicitaties.

Elders is voorzichtigheid geuit, Hoewel, dat hun neurale netwerkbenadering niet perfect is. Beperkingen omvatten een mogelijkheid voor vooringenomenheid. "Als er vooroordelen bestaan ​​bij eerdere aanwervingen, het kan in dit soort systemen kruipen, een nadeel vormen voor bepaalde groepen die mogelijk niet dezelfde kansen op werk krijgen, " zei "De Download."

De auteurs schreven dat "Niet alle functie-eisen goed kunnen worden gemodelleerd in PJFNN." Niettemin, ze zeiden dat ze dachten dat "hoewel PJFNN geen goede representaties kan leren voor alle vereisten, de latente vectoren van de meeste cv's en vacatures die door PJFNN zijn geleerd, zijn over het algemeen zinvol en kunnen helpen om de effectiviteit en efficiëntie van Person-Job Fit te verbeteren."

© 2018 Tech Xplore