研究人员开发了一种名为CF-RL-TOPSIS的新型可解释模型，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方法，以平衡行为模式、适应性和职业标准。在JobHop和Karrierewege等公共数据集上的评估证明了该模型的有效性，特别是在具有丰富语义信息的情况下，其性能显著优于多个基线推荐系统。 AI
影响 引入了一种新颖的可解释人才推荐模型，有望改进人力资源和招聘流程。
排序理由 该集群包含一篇详细介绍新模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
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…