11月3日，自然语言处理领域国际顶级会议EMNLP 2019在中国香港开幕，BOSS直聘与中国人民大学合作的论文《领域自适应的人岗匹配研究》入选该会议论文集。此次是BOSS直聘今年第三次在世界顶级学术会议上亮相，也是中国招聘企业首次在AI相关领域的多个国际学术会议发表学术研究。据悉，BOSS直聘此前在全球顶级数据挖掘会议KDD2019和信息检索领域的学术会议CIKM2019上皆有论文入选。

互联网公司对技术研发的重视，不仅在工业产品上屡有突破，也开始反哺相关技术在学术界的研究，百度、腾讯、阿里巴巴、滴滴、今日头条等科技互联网公司纷纷在各大国际顶级会议上发布学术研究。今年以来，BOSS直聘在人岗匹配系统的研究工作分别入选EMNLP、CIKM和KDD三个国际顶级会议，对于AI相关技术在招聘领域的应用以及求职招聘领域双边匹配效率的提升具有重大意义。

BOSS直聘

科技赋能招聘行业解决新职类数据不足难题

近几年，基于新技术和新需求而诞生的互联网企业如雨后春笋，也带来不少全新的职位类型。2019年一季度，人社部也正式公布的13个“新职业”类型，皆为在新技术、新需求发展下所诞生的新型职位类型。

“人岗匹配系统的基础是大数据挖掘分析和应用”BOSS直聘NLP中心负责人表示，新兴职位的诞生，意味着该领域的数据相对不够全面和完善，影响相应职位领域的推荐匹配效率，如何补充完善新兴职类在冷启动下的样本量成为了突破的关键点。

《领域自适应的人岗匹配研究》论文节选

BOSS直聘在EMNLP 2019大会上发布的《领域自适应的人岗匹配研究》论文，主要利用不同职类领域里存在相同特征数据的原理，将成熟职类领域的数据引入相关的新兴职类，丰富训练样本，从而提高新兴职类领域的人岗匹配效率。

大会评审反馈，本次论文的重要贡献是首次提出将迁移学习方法应用在人岗匹配领域，相比传统方法，能够更有效地实现文本匹配场景的知识迁移。在论文中，BOSS直聘与中国人民大学建立了深度全局匹配网络框架并实现三个层次的迁移学习，实验证明该模型优于所有baseline模型，极大地提高了人岗匹配效率。

根据公开资料显示，EMNLP会议是自然语言处理领域的国际A类会议，聚焦于自然语言算法在各个领域解决方案的学术探讨，每年吸引世界各国近千名学者交流自然语言处理发展前沿，前几年长文的录用率只有26%左右，颇受重视科技研发的国际互联网企业关注。

利用求职招聘网络双边效应，更高效提高人岗匹配效率

自现代招聘出现以来，“招人难、找工作难”的抱怨从未停止。在线招聘平台二十年的发展中，主要集中在如何聚集更多地招聘者的信息，从而吸引更多求职者，并在此发生交互求职行为。

BOSS直聘CEO赵鹏曾在公开演讲中表示人岗匹配效率是招聘领域目前需要解决的重要问题。“如何让双方更高效快速地匹配，才是一个大问题。解决了这一问题，将大大提升人岗匹配效率，也将对国民经济带来良性作用，让每个人都能发挥出自己的价值”

“人岗匹配效率提升的前提是不断收敛招聘者和求职者的需求”BOSS直聘NLP中心负责人介绍，招聘场景里静态文本无法充分表达内心最深层的需求，需要更多丰富场景数据收敛需求。

BOSS直聘CEO赵鹏公开表示，“BOSS直聘的目标是将人岗匹配效率提升20%”。此次三篇学术会议工作，围绕“人岗匹配”的课题，利用BOSS直聘双边网络的平台优势，结合双边历史行为、双边求职意愿以及多领域迁移知识的学习，提升人岗匹配效率。

BOSS直聘于2014年7月上线，目前拥有技术团队500人，服务超过6000万用户。从上线之初，坚持推荐算法作为产品核心技术，追求岗位于人才的多维度精准推荐与匹配，从而提升招聘效果。BOSS直聘希望可以通过每一项研究，为招聘领域在不同维度、不同方面面临的问题提供更多学术依据和方法，促进招聘行业的发展，共同为上亿用户提高效率。