求职招聘是一个双向选择的过程，如何设计出更有效的推荐机制，同时满足求职招聘双方的需要？近期，BOSS直聘与中国人民大学研究团队共同提出一种面向人岗匹配的双向选择偏好模型。目前，该论文已被推荐系统国际会议RecSys2022接收。
RecSys是国际计算机学会（ACM）举办的推荐系统领域的国际顶级学术会议。过往，RecSys会收录微软、谷歌、META等全球顶尖科技公司的论文，介绍推荐系统领域中的最新研究成果、系统和技术。
本次发表的论文《Modeling Two-Way Selection Prefence for Person-Job Fit》提出了一种解决双边匹配问题的新框架。在此之前，招聘行业解决双边推荐问题，主要是通过对单向选择过程（如根据岗位要求推荐合适的求职者）进行建模，或者对静态文本匹配关系（如面向简历/职位的文本匹配）进行建模，还没有人尝试通过双视角图卷积神经网络来建模求职者和岗位之间不同的有向行为。
但求职招聘是一个双向选择的过程，作为参与方的候选人和招聘者应当同时满足双边的需要，而不是只考虑其中某一方。单方面的满意并无法使得匹配成功，双边期望的达成才是人岗匹配成功的关键。
为实现推荐系统层面的双边匹配，论文中提出了一种双视角图表示学习方法，同时建模求职者和招聘岗位之间的双向选择偏好。为了从求职者和岗位的双重视角对双方偏好进行建模，该论文为每个求职者（或岗位）引入两个不同的节点，并通过统一的双重视角交互图对不同方向和类型的交互进行建模。同时为了有效地学习双视角节点表示，该论文还设计了一种有效的优化算法，包含四元损失和双视角对比学习损失。
相比从前，双视角图表示学习方法能更直观地刻画求职招聘双方之间的复杂关系。从结果来看，运用该模型既可以使更满足求职者偏好的职位在推荐列表中排序更靠前，也可以使更满足招聘者需求的求职者在推荐列表中排序更靠前，从而提升双边匹配的效率。
据了解，BOSS直聘技术团队专注于解决招聘行业的双边推荐问题，此前已有多篇相关论文被国际顶会收录，如基于多视图协作学习的人岗匹配研究、领域自适应的人岗匹配研究等。
（CIS）
