(資料圖片僅供參考)

九月份的時候胡蘿卜參加了訊飛的人崗匹配挑戰(zhàn)賽，后面機(jī)緣巧合和老肥組隊打團(tuán)。比賽過程可謂跌宕起伏，非常有意思。在這里和大家分享一下我們的建模方案。

賽題任務(wù)智能人崗匹配需要強(qiáng)大的數(shù)據(jù)作為支撐，本次大賽提供了大量的崗位JD和求職者簡歷的加密脫敏數(shù)據(jù)作為訓(xùn)練樣本，參賽選手需基于提供的樣本構(gòu)建模型，預(yù)測簡歷與崗位匹配與否。實質(zhì)上，可以看做一個多分類問題。賽題數(shù)據(jù)本次比賽為參賽選手提供了大量的崗位JD和求職者簡歷，其中：崗位JD數(shù)據(jù)包含4個特征字段：job_id, 職位名稱, 職位描述, 職位要求。求職者簡歷數(shù)據(jù)包含15個特征字段：id, 學(xué)校類別, 第一學(xué)歷, 第一學(xué)歷學(xué)校, 第一學(xué)歷專業(yè), 最高學(xué)歷, 最高學(xué)歷學(xué)校, 最高學(xué)歷專業(yè), 教育經(jīng)歷, 學(xué)術(shù)成果, 校園經(jīng)歷, 實習(xí)經(jīng)歷, 獲獎信息, 其他證書信息, job_id。這里面的數(shù)據(jù)都是加密脫敏的，不太會bert的我們只能說：xgb/lgb yyds!評估指標(biāo)本模型依據(jù)提交的結(jié)果文件，采用macro-F1 score進(jìn)行評價。建模方案要點(diǎn)1 模型有l(wèi)gb和xgb，其中xgb要比lgb效果好?。。。? 10折比5折好3 特征工程包括業(yè)務(wù)特征如下圖，還有一些類別特征之間count、nunique和count/nunique計算，以及計算個人信息與每一個職位之間的余弦相似度（個人信息=學(xué)校類別+教育經(jīng)歷+學(xué)術(shù)成果+校園經(jīng)歷+實習(xí)經(jīng)歷+獲獎信息+其他證書信息，職位信息=職位名稱+職位描述+職位要求，采用TFIDF（2-gram）算法處理），人個信息用TFIDF(2-gram)進(jìn)一步處理生成文本特征矩陣。4 個人信息生成的文本特征矩陣非常高維，降維處理會降低精度，不降維訓(xùn)練時間長，需要人工調(diào)整min_df和max_df參數(shù)。5 結(jié)果概率后處理提分，老肥神操作，看不懂！知乎的包包大人有關(guān)于這方面的詳細(xì)解答，詳見https://zhuanlan.zhihu.com/p/106766826。6 調(diào)調(diào)參和模型融合有進(jìn)一步提升。寫在末尾，數(shù)據(jù)挖掘一些的tricks基本有用，關(guān)鍵是多做特征和多嘗試。溫馨提示：如果你覺得離冠軍很遠(yuǎn)，直接艾特前排冠軍組隊就好。老肥說：感謝胡蘿卜同學(xué)的精彩分享，如果還有同學(xué)想要分享比賽相關(guān)內(nèi)容的，可以在群內(nèi)或者私聊戳我，大家一起交流學(xué)習(xí)！

關(guān)鍵詞： 個人信息 特征矩陣 職位要求