融合键值表示与改进注意力机制的人岗匹配模型
啜子涵1
薛霞2
1.太原师范学院 山西晋中 0306002.运城学院 山西运城 044000
摘要：人岗匹配(person-job fit,PJF)是在线招聘的核心,用于智能匹配岗位与简历.大多数现有的PJF方法都将此任务看作是工作描述和简历中自由文本之间的匹配,但忽略了半结构化多元属性的贡献,导致预测失败.基于此,文章提出了一种全面探索PJF中半结构化多元属性间复杂关系的模型SIFT,旨在有效匹配职位和简历.首先,将每个属性的键和值以及来源都嵌入到相同的语义空间中;随后,使用MSF模块进行有效的特征融合,并结合Transformer模型和Talking-Heads Attention以提升模型的鲁棒性和泛化能力;最后,使用匹配聚合层来预测匹配程度.该研究在真实数据集(智联招聘数据集)上验证了SIFT的有效性.实验结果表明,SIFT模型在AUC、准确性和F1分数方面总体改进分别为3.51％、3.72％和 0.71％.
关键词：人岗匹配自然语言处理深度学习
资助基金：山西省基础研究计划资助项目(202203021212174)
论文发表日期：2026-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 171-176 )