10 月 22 日，第 29 届 ACM 国际信息与知识管理会议 CIKM 2020 已拉开帷幕，BOSS 直聘基于多视图协作学习的人岗匹配系统研究论文入选该大会论文集，这也是 BOSS 直聘连续两年在 CIKM 大会上发表人岗匹配系统相关的研究成果。据悉，本届 CIKM 会议共收到投稿 920 篇，录用率为 20.98%。
作为技术驱动型的招聘平台，BOSS 直聘从成立之初坚持采用推荐技术选型，深度专研人岗匹配系统相关工作。其在人岗匹配系统的研究成果曾多次在世界顶级学术会议上亮相，是人岗匹配领域发表学术研究最多的中国招聘企业，促进了 AI 相关技术在招聘领域的应用。
本次大会发布的论文中，BOSS 直聘针对求职者和招聘方的交互行为数据稀疏且带有噪声这一场景，基于多视图协作学习，提出了一个新型匹配模型，从而提升该场景下的人岗匹配效率。
多视图协作学习的人岗匹配模型图
「真实的求职招聘场景中，求职者与招聘者的交互行为数据往往是稀疏且带有噪声的，而以往单个文本匹配模型的工作效率取决于是否有大量有效的样本数据。」BOSS 直聘相关负责人介绍道，新型模型相比以往模型，增加了基于关系的匹配模块，且将两个匹配模块融合进行协作训练，优化了双边交互行为数据稀疏且带有噪声时的人岗匹配学习。
CIKM 大会评审反馈，该论文提出的多视图协作学习网络能够解决人岗匹配系统的负样本噪声问题。同时，融合文本匹配模块和关系匹配模块进行的联合表示学习有助于解决双边交互行为数据稀疏问题，突破了以往匹配模型需要大量有效样本数据的限定条件。而该思路对于互联网求职招聘场景以外领域的推荐系统研究也有一定指导意义。
人岗匹配研究本质是求职招聘领域的双边匹配，是提升求职招聘效率的关键性因素，也是招聘领域的一个重要课题。BOSS 直聘 CEO 赵鹏曾公开表示，人岗匹配研究对于招聘领域具有重要意义。人岗匹配度低会导致求职者和招聘者将大量的时间消耗在待岗、错配，「这其实是一种不必要的』内耗』。」
事实上，求职招聘领域的双边匹配并不简单。其核心难度在于双边皆为「人」，而人类的不可标化、强不确定性，复杂的个体自身因素会大大增加双边匹配研究的难度。BOSS 直聘相关负责人表示，求职招聘领域的双边匹配需要不仅仅在工业产品和技术上进行研究和突破，也需要关注和研究求职招聘领域的「双边」。
BOSS 直聘于 2018 年 7 月成立了全国首家职业科学实验室，汇集了来自海内外拥有深度学习、经济学、社会学等不同背景的科研人才，从求职招聘领域的「双边」出发，构建职业科学领域的研究结构，为就业市场发展和稳定，提供更多学术依据和方法。据悉，其发布的多篇科研论文被国际顶级 SSCI 及 SCI 期刊收录，涉及人才流动、城市研究和职场性别差异等多个领域。
