基于互惠性约束的可解释就业推荐方法

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.

关键词：推荐系统;就业推荐;互惠推荐;可解释性;负采样

所属期刊栏目：58

分类号：TP18;TP391(自动化基础理论)

资助基金：国家重点研究发展计划项目;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部高等职业教育创新发展行动计划 高等职业教育创新发展行动计划;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;教育部-中国移动科研基金;中央高校基本科研业务费专项

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2660-2672