|
算法和模型仍在探索中
“機器學習有三個重要支柱，數(shù)據(jù)、模型和算力。”薛延波說，數(shù)據(jù)正在以指數(shù)級別增加，模型的發(fā)展相對來說比較緩慢，現(xiàn)在機器學習可用到的模型也不多，職業(yè)市場是一個全新的市場，可能需要全新的模型來解決問題，最大挑戰(zhàn)可能是模型設計。
“目前我們正在進行的工作是，通過協(xié)同濾波的方式將有相似職業(yè)生涯規(guī)劃的人歸類，從而理解真正的求職意圖；并通過協(xié)同的方法嘗試重構三維的工作場景。”薛延波說，這將有可能解決職業(yè)科學的理論中偏好列表未知的問題。
“協(xié)同濾波又稱協(xié)同過濾，是一種常見的推薦算法。最初在亞馬遜上出現(xiàn)，比如，買了這件商品的用戶一般還買了什么。”智能一點CTO莫瑜解釋，該算法可通過購買人群的相似度去評估不同商品的相似度；同時根據(jù)不同人購買的商品集合之間的相似度去評估不同人之間的相似度。做到“物以類聚、人以群分”，隨后通過不同的列表進行匹配，再進行人與物之間的推薦。
在職業(yè)科學研究初期，薛延波表示，將利用該算法進行人與崗位的列表細分。之所以要建立這樣的偏好列表，源于微觀經(jīng)濟學的一個重要假設。“只有雙方都清楚對方的偏好是什么，才能形成穩(wěn)定匹配的市場。比如說大公司知道知名大學畢業(yè)生愿意來，而有創(chuàng)業(yè)意識的應聘者更傾向于進初創(chuàng)的小公司，有一個清晰的偏好列表，將有助于形成完美市場匹配。”
通過深度學習，偏好列表可以進一步完善，嘗試做一些現(xiàn)實中的人崗匹配，匹配結果反過來再來影響偏好列表，進行修正等工作。
趙鵬說，中國有近6億人在數(shù)千萬家企業(yè)工作，但對于職場人在工作中的成就感、幸福感、安全感，企業(yè)在人才競爭中的競爭力、洞察力及雙方的匹配等問題缺乏系統(tǒng)性研究，希望通過開啟“職業(yè)科學研究”，從科學的角度，用嚴謹?shù)姆绞揭约耙肴斯ぶ悄艿刃碌募夹g手段，對“職業(yè)”這門科學進行系統(tǒng)研究，并引起行業(yè)層面的關注。 3/5 首頁 上一頁 1 2 3 4 5 下一頁 尾頁 |
