• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Tools with Artificial Intelligence >When Deep Neural Networks Meet Job Offers Recommendation
【24h】

When Deep Neural Networks Meet Job Offers Recommendation

机译：当深度神经网络满足工作机会建议时

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The purpose of this work is to present the recent results that we have obtained on a new job board recommendation system. Firstly, the job applicant clickstreams history on various job boards are stored in a large learning database, and then represented as time series. Secondly, a deep neural network is trained to predict future values of the clicks on the job boards. Third, and in a parallel way, dimensionality reduction techniques are used to transform the clicks multivariate numerical time series into temporal symbolic sequences. Ngrams are then used to predict future symbols for each sequence. Finally, a list of top ranked job boards are kept by maximizing the clickstreams forecasting in both representations. Our experiments are tested on a real dataset, coming from a job-posting database of an industrial partner. The promising results have shown that using deep learning, the recommendation system outperforms standard multivariate models.
机译：这项工作的目的是介绍我们在新的工作委员会推荐系统上获得的最新结果。首先，求职者在各个工作板上的点击流历史存储在大型学习数据库中，然后按时间序列表示。其次，训练一个深度神经网络来预测工作板上的点击次数的未来值。第三，并且以并行方式，降维技术用于将点击多变量数字时间序列转换为时间符号序列。然后使用Ngram预测每个序列的将来符号。最后，通过最大化两种表示形式的点击流预测，保留了排名最高的工作委员会列表。我们的实验是在真实数据集上进行测试的，该数据集来自行业合作伙伴的职位发布数据库。令人鼓舞的结果表明，使用深度学习，推荐系统优于标准的多元模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号