%0 Journal Article %A 史舒扬 %A 张智鹏 %A 郭龙 %A 邵蓥侠 %A 崔斌 %T 在线招聘场景下的简历活跃度预测 %D 2018 %R 10.3778/j.issn.1673-9418.1709035 %J 计算机科学与探索 %P 730-740 %V 12 %N 5 %X 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。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1709035