• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computer speech and language >CV Retrieval System based on job description matching using hybrid word embeddings
【24h】

CV Retrieval System based on job description matching using hybrid word embeddings

机译：基于工作描述匹配的混合词嵌入的简历检索系统

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We use the Average Word Embeddings (AWE) model for retrieving relevant CVs based on a job description. We designed experiments to demonstrate that the trained vectors, obtained from a balanced domain corpus, are better than using pre-trained word embeddings. We also present some experiments to show that different combinations of both word embeddings spaces increase the overall accuracy of the retrieval task compared to using only the pre-trained vectors. However an issue arised when both embeddings spaces are not sharing the same dimensions and terms, as shown in our case. In order to handle this situation, we suggest to use a method to reduce dimensions of pre-trained vectors (e.g. PCA), and combine them with our trained vectors. This improves the accuracy of the retrieval task for unseen CVs. Our main contribution is to create a model that detects which embeddings need to be used in order to maximize the relevant retrieval results. (C) 2019 Elsevier Ltd. All rights reserved.
机译：我们使用平均单词嵌入（AWE）模型来基于职位描述检索相关的简历。我们设计了实验来证明，从平衡域语料库获得的训练向量比使用预训练的词嵌入更好。我们还提出了一些实验，表明与仅使用预训练向量相比，两个词嵌入空间的不同组合可提高检索任务的总体准确性。但是，如我们的案例所示，当两个嵌入空间不共享相同的尺寸和术语时，就会出现问题。为了处理这种情况，我们建议使用一种方法来减小预训练向量（例如PCA）的尺寸，并将它们与我们的训练向量结合起来。这提高了针对看不见的简历的检索任务的准确性。我们的主要贡献是创建一个模型，该模型可以检测需要使用哪些嵌入才能最大化相关的检索结果。 （C）2019 Elsevier Ltd.保留所有权利。

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