在线招聘场景下的简历活跃度预测

来源：计算机科学与探索杂志2018年第5期北京时间：

作者：史舒扬，张智鹏，郭龙，邵蓥侠，崔斌

单位：1. 北京大学 信息科学技术学院 高可信软件技术教育部重点实验室，北京 1008712. 北京大学 深圳研究生院，广东 深圳 518055

摘要：在信息时代，在线招聘平台承担了大量的招聘任务，平台向求职者推荐合适的职位，并向招聘者推荐合适的简历。但是在推荐简历的时候，平台难以获知用户是否已找到工作，常会在求职成功以后继续推送，导致平台资源的浪费和用户体验的损失。基于这一情况，提出了在线招聘场景下的简历活跃度预测问题，旨在通过预测未来活跃度高的求职者，对其重点推送，从而应对这一问题。现有的活跃度预测方案，大都在社交场景下，结合社交网络的特点设计适应性的模型，但特点不同导致这些方案在招聘场景下并不适用。结合真实数据分析了在线招聘场景的数据特征，提出4个场景特点——高度动态性、用户黏度低、双向匹配、召回优先等。据此，有针对性地提出了招聘平台下的简历活跃度预测方法（resume activeness prediction，RAP）。RAP能适应上述前3项特点，并通过调节筛选参数γ满足召回优先。在58招聘真实数据的实验中，RAP模型的AUC达到了0.817。

关键词：用户活跃度预测,在线招聘,分类,数据分析