专访领英工程副总裁张仁辉:如何驯服算法,打造世界级的职位推荐系统?

  • 时间:
  • 浏览:28
  • 来源:QQ核心乐园_提供QQ业务乐园技术_空间引流吧资讯

大数据文摘出品

作者:魏子敏、宋欣仪

作为全球最大的职业社交网络,创建于30003年的LinkedIn在过去 6 年间,从一个多 7000万左右年营收的企业,增长至300亿美元营业额的企业。五年间LinkedIn业务增长超过40倍,你这种 增长时延在企业服务领域是惊人的。

领英改变了传统的先由企业发布职位信息随后 求职者响应投简历接着企业通过简历筛选,面试甄别,求职者单向信息不对称、主动性不对称的流程,让企业上能 主动对中高端人才进行邀约,人才上能 享受到被动的求职服务。

通过信息工具主动挖掘到更多符合自身特点的人才,结合社交关系、档案资料、人脉评价等比简历更立体的信息,对候选人进行考核甄别,再进行邀约面试的考核。

随后 人力资源管理中的场景非常简化,随后 常常面对数据不对称、有偏见的各种难题。6月20日,在北京召开的O’Reilly AI Conference上,LinkedIn的工程副总裁张仁辉作了题为《人工智能对未来招聘和人才市场的影响》的演讲,并在会后向大数据文摘介绍了领英在训练当事人的算法模型中遇到的各种难题及应对之道。

LinkedIn的工程副总裁张仁辉作了题为《人工智能对未来招聘和人才市场的影响》的演讲

人力资源管理中使用数据科学技术的挑战

曾担任雅虎工程副总裁、Tinder 首席技术官,张仁辉对于传统的搜索和推荐系统非常了解。她告诉大数据文摘,与传统的搜索和推荐系统只关注怎样才能评估一根绳子 内容和给定查询的相关度不同,人才搜索领域前要招聘人员和候选人就本岗位互相彼此感兴趣。

换句话说,不仅前要所显示的候选人前要与招聘人员的查询相契合,随后 前要招聘人员联系的候选人前要对岗位机会表现出兴趣。随后 ,使用适当的指标来优化模型以及在线的 A/B 测试至关重要。

此外,人才搜索系统的底层查询机会非常简化,它结合了一点特性化字段(如规范化头衔、规范化技能和公司名称)和非特性化字段(类事于自由文本式关键字)。

最后,个性化对于人才搜索系统而言非常重要,网站前要根据招聘人员所寻找应聘者的类型来模拟大伙儿儿的意图和偏好,这也是人力资源中人工智能应用前要跨过的一道门槛。

人力资源数据的偏见与担忧

除了哪几个未知的挑战,在人力资源领域,人工智能还再次总出 了一点机会有的偏见。

最为人熟知的机会是亚马逊被关闭的自动化招聘算法。据路透社报道,自2014年以来,亚马逊就专门成立了团队开发电脑应用进程以审查求职者的简历,以将寻找顶尖人才的任务自动化。

你这种 试验性招聘工具使用AI给应聘者打分,分数从一星到五星不等,直到2015年,亚马逊意识到其新系统对于软件开发人员和一点技术职位求职者地处性别偏见判断。这是机会,亚马逊的电脑模型经过了培训,通过观察过去10年被提交给该公司的简历找出固有模式,并以此来审查应聘者。

亚马逊立刻关闭了你这种 系统,但依然暴露了人工智能的一大匮乏:基于历史数据,算法会把人类世界无意识的偏见进一步扩大。

驯服算法,打造无偏见个性化的职位推荐系统

“在消除偏见方面,领英老会 在试图在算法中提升透明度、可建性和当事人意识。”

张仁辉向大数据文摘介绍了领英通过相关产品LinkedIn Talent Insights,把统计数据跟决策者、人力资源部和招聘部门进行分享,让大伙儿儿了解团队的薪酬水平和整体的市场情況,使情況更加透明,另一个多 大伙儿儿上能 了解到当前的AI系统和实际的差距所在,并尽量缩小另一个多 的差距。

此外,张仁辉表示,为了实现个性化服务,领英采用了利于从多层厚理解内容的机器学习算法。通过将机器学习与会员意图信号、档案数据和会员人脉网络信息结合起来,实现会员推荐和搜索结果的层厚个性化。

领英的职位推荐系统是世界级领先的,其基础是通过少量用户数据建立的知识图谱和研发针对自然语言的标准化技术。领英针对每位用户的简历,都使用基于层厚学习模型的标准化技术来实现信息抓取,比如LSTM, CNN等等。对于工作职位也做了同样的事情。

六七年前,领英的职位推荐是一个多 线性模型,比如说求职者是一个多 软件工程师,系统就会推荐一个多 软件工程师的职位。但随后 使用中发现,根据用户简历和工作职位的描述来做推荐,不一定利于全版实现个性化,领英还希望根据用户完后 的职位申请,为他推荐更多类事于的职位,即层厚的个性化。完后 又研发了Generalized Linear Mixed Model(GLMix),针对每个用户和每个职位建立一个多 单独为大伙儿儿服务的模型,另一个多 使得模型的参数量达到了上百亿的规模。同去也成功地把职位申请的数量提高了300%。领英中国团队把你这种 模型用在中国的数据上,又将职位申请的数量额外提高了11%。

进一步地,领英还建立了一个多 Deep & Wide的模型,其中整合了层厚学习,树状特性模型,以及GLMix,极大地提升了领英的用户体验。为了实时更新上百亿的模型参数以及在毫秒级别内满足用户的职位推荐需求,领英搭建了大规模运算平台来实现人工智能模型的技术。你这种 平台包括线下和线上一个多 模块——线下模块自动埋点用户的反馈、基于Spark自动训练,完后 把模型结果和参数上传到线上。线上使用实时数据传输和搜索引擎技术来实现低延迟的模型运算。

随后 ,领英专门研发了一个多 叫做Pro-ML的“人工智能自动化”系统,为所有工程团队集中管理特性和机器学习模型。你这种 系统为机器学习模型的整个开发、培训、部署、测试提供单一化平台,机会极大加快了领英开发及上线新产品的时延。

就另一个多 一步步,领英打造了如今的简化高效的世界级推荐系统。

正如张仁辉在6月20日的演讲《人工智能对未来招聘和人才市场的影响》中提到的,“大伙儿儿拥有同理心、创造力、道德标准和伦理感,而人工智能会从重复性的工作和危险的工作中解放大伙儿儿,让大伙儿儿得以更好、更自由地表达并发展当事人,让大伙儿儿更好地相互连接,从而让世界更加美好。”

其实现在人工智能的算法其实非常的先进,上能 下棋、打败电竞选手、玩视频游戏,随后 人工智能这麼同理心的能力,它这麼依据了解另外一个多 人的婚姻说说。招聘工具上能 取代重复的工作,比如每天要重复看简历来找候选人机会安排面试,随后 你这种 工具永远不让取代人。

大伙儿儿上能 通过握手,直视面试者并微笑,听大伙儿儿的故事,进而了解大伙儿儿,但人工智上能不能 。好多好多 人工智能是不让取代大伙儿儿,随后 会让招募人员上能 有更多的时间来和候选人进行人与人之间的交流,进行彼此的了解。

各行各业向AI招聘的转变创造了一个多 就业搜索环境,而你这种 环境机会持续下去。对于应聘者来说全版有的是启示,企业将这麼来越多地使用基于AI的软件来对求职者进行分类。这原因分析求职者前要用直白的语言来描述大伙儿儿的背景,使用通用的语言来展示相关的工作经历。申请者还应准备进入招聘应用进程,让AI试图将大伙儿儿理解为“人”,而全版有的是作为一份成就清单。未来大伙儿儿都应该法学会怎样才能与AI媒体合作,怎样才能与AI沟通。

本文由

大数据文摘

发布在

ITPUB

,转载此文请保持文章全版性,并请附上文章来源(ITPUB)及本页链接。

原文链接:http://www.itpub.net/2019/07/10/2384/