研究人员开发了一种名为CF-RL-TOPSIS的新型可解释融合模型，用于技能感知人才推荐。该模型结合了协同过滤分支、基于强化学习的算法以及TOPSIS组件，以平衡行为模式、轨迹敏感性和职业标准。在JobHop基准上的评估显示，该模型在NDCG@5得分上达到了0.3040，优于其他几种推荐方法。 AI
影响 引入了一种新颖、可解释的人才推荐方法，有可能改进AI系统根据技能和职业轨迹匹配个体与职位的方式。
排序理由 该集群包含一篇详细介绍新模型及其在基准测试上评估的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.24155v1 Announce Type: cross Abstract: Effective skills-aware talent recommendation must balance behavioral transition patterns, trajectory-sensitive adaptation, and inspectable occupation-level criteria. Evidence from public benchmarks on how these signals interact, h…
Effective skills-aware talent recommendation must balance behavioral transition patterns, trajectory-sensitive adaptation, and inspectable occupation-level criteria. Evidence from public benchmarks on how these signals interact, however, remains limited. This study proposes CF-RL…