大量的低区分度简历增加了甄别难度

　　欢迎各位阅读本篇文章，唯一剩下的有竞争力的武器就是组织，因为那些传统的竞争要素，如成本、技术、分销、制造以及产品特性，或早或晚都能被复制，它们无法保证你就是赢家。本篇文章讲述了用机器学习技术帮助HR省时间，课课家教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　引言

　　假设简历库中有 10000 份名为 “软件工程师” 的简历。 一位 HR 在搜索 “Android 工程师” 时仅关注名称为 “Android 工程师” 的简历，她将遗漏 912 份有可能匹配的简历;如果这位 HR 愿意花时间从头到尾通读每一份 “软件工程师” 的简历，将其中真正从事 Android 研发的简历筛选出来，那么她需要多阅读 9088 份无效的软件工程师简历。假设阅览一份简历需要 15 秒，这项工作将占据她 38 小时。

　　一、低区分度的简历——隐藏的招聘雷区

　　搜索和阅读简历占据了招聘的大部分时间。在 HR 搜索或阅读简历时，需要根据简历名称或工作内容对简历类别进行判断，简历类别的 “区分度” 越高，HR 越容易通过搜索定位到对应的简历，也越容易甄别出简历与空缺岗位的匹配度。

　　例如，HR 在招聘一名 “Android 工程师” 时，非常喜欢那些在职位名称为 “Android 工程师” 的简历，因为可以很方便地搜索和识别。这部分简历可以定义为高区分度简历。

　　可令人头疼的是，许多候选人的简历并未照顾到招聘者的使用体验。例如一名软件工程师在他的简历中提到了多项编程技能，并将简历名称定为 “软件工程师”，给系统搜索定位到这份简历造成了极大的难度。这就意味着：由于 JD 的编写方式与候选人编写简历方式的天然差异，大量履历匹配的简历在搜索时被遗漏，许多工作内容里包含这些关键字的简历(比如招聘专员)实际却又毫不相关。

　　二、大量的低区分度简历增加了甄别难度

　　我们从简历库中抽样了 1479818 份互联网行业中包含 “工程师” 的简历数据，按简历名称进行统计，从高到低排序后截取 Top15 展示如下：

　　<图 1 - 高频职位名称统计数据>

　　由统计数据可以看出，类别区分度低的简历在整体简历数据中占比较大。例如互联网行业中包含大量 “软件工程师”、“高级软件工程师”、“软件研发工程师”、“研发工程师” 简历，占抽样总数的 25.7%，但这部分简历却无法轻易判断候选人对应的技术方向。

　　实际上，java 工程师、php 工程师、后端开发工程师等均可称为软件工程师。有众多 Title 为 “软件工程师” 的简历，需要根据职位或工作描述进一步判断具体类别。

　　例如对简历进行搜索时，输入 “Python 工程师”，简历名称中含 Python 的简历可能较少，导致搜索结果数量丰富度不高。但如果通过模型可以判断简历名称为软件工程的具体角色，增强简历的区分度，则可在软件工程师的简历中筛选属于 Python 工程师的简历，进一步提高搜索的丰富度。

　　三、通过机器学习方法提高角色识别的准确度

　　1、建立合理的职位理解

　　增强简历的区分度，可以理解为 “如何更准确地理解职位，包括职位的不同表达方式，以及与该职位相关的技能模型”——这件事可以基于一张专业词表完成。

　　例如我们定义一个简单的词表——“软件工程师” 为一级类别，其下属二级技能类别分为 Java、C++、PHP、.NET、Python、Delphi、Perl 等。这张词表定义了明确的职位 / 技能关系，当词表在 “阅读” 一份名为 “软件工程师” 的简历时，它实际阅读的是上述技能。

　　聘宝的知识图谱更为复杂，除技能分支外，还包含行业、公司等众多维度。

　　<图 2 - 聘宝的职位技能知识图谱节选>

　　2、如何进行高效的角色分类识别计算

　　深度学习方法近期在文本处理领域大受欢迎，但需要注意的是它们的训练以及测试过程十分缓慢，以至于工程应用时门槛颇高。

　　在进行了一系列的技术方案调研与比较后，我们尝试对比分析了三种机器学习的文本分类算法： TextGrocery，fastText，Naive Bayes。

　　TextGrocery—是一个基于 LibShortText 和结巴分词的短文本分类工具，基于线性核 SVM 分类器，使用二元分词(Bigram)，不去停顿词，不做词性过滤同时支持中文和英文语料，让文本分类变得简单。

　　fastText—由 FAIR(Facebook AI)开发的一款快速文本分类器，提供简单而高效的文本分类和表征学习的方法，出自 Word2Vec 作者 Mikolov 的论文《Bag of Tricks for Efficient Text Classification》

　　fastText 适合大型数据 + 高效的训练速度，能够训练模型 “在使用标准多核 CPU 的情况下 10 分钟内处理超过 10 亿个词汇”，与深度模型对比，fastText 能将训练时间由数天缩短到几秒钟。FastText 的性能要比时下流行的 word2vec 工具明显好上不少，也比其他目前最先进的词态词汇表征要好。

　　<图 3-fastText 分类器模型示意图>

　　<图 4-fastText 模型架构>

　　Naive Bayes——由贝叶斯定理延伸而来的概率模型，它根据每个特征的概率确定一个对象属于某一类别的概率。该方法假设所有特征需要相互独立，即任一特征的值和其他特征的值没有关联关系。

　　在自然语言处理领域，处理的的数据可以看做是在文本文档中标注数据，这些数据可以作为训练数据集来使用机器学习算法进行训练。

　　在训练样本时，构建可以表征文本的特征向量 (词汇表)，并根据这个特征向量将训练集表征出来，计算各个类别的频率作为该类的先验概率，和在每个类别条件下各个特征属性的条件概率，分类时，根据贝叶斯公式计算待分类句子在每一类别的后验概率，取最大值作为其分类。

　　<图 5-Naïve Bayes 模型架构>

　　四、一个简单的分类识别实验

　　为更好地分析不同技术手段在增强简历区分度上的效果，我们进行了一项简单的比较实验，来展现算法是如何把低区分度的简历如 “软件工程师” 进行具体的技能方向分类的。

　　1、实验数据集的准备：

　　选取 680731 份根据职位名称判断属于二级类别的工程师简历数据，随机抽样取 80% 的数据做训练数据，剩余 20% 份作测试数据。

　　<图 6 - 实验数据集的分布>

　　2、实验效果表现：

　　通过实验我们发现，通过机器学习方法，我们能够快速识别低区分度简历并进行准确的分类，从而能够极大的降低人工搜索与阅读的时间。

　　<图 7 - 各个类别预测准确率的分布>

　　对比上面模型结果， fastText 模型基于词袋的针对英文的文本分类方法，组成英文句子的单词是有间隔的;而中文文本是连续的，因此对中文文本，则需分词去标点转化为模型所需要的数据格式，但分类效果一般，尤其是类别间区分度不是很大的情况下。另外参数调优对模型结果影响较大，但模型优势在于训练时间很短。所以 fastText 模型更适合做类别区分度更大且讲究分类效率的应用场景，比如将一则新闻自动划归到财经、军事、社会、娱乐等板块。

　　TextGrocery 模型是专门针对短文本的分类模型，直接输入文本，无需做特征向量化的预处理，不去停顿词，不做词性过滤，优雅的 API 接口，但模型准确率和模型训练时间在此角色预测模型中不是太突出。

　　Naive Bayes 为传统的文本分类模型，特征向量化的预处理相对繁琐、训练时间较长，但在分类类别多文本区分度不大的情况下，分类效果相比其他两种算法更为优秀。这个实验结果侧面说明，在产品实现时勿过度追求 “时髦” 的技术。对某一项特定业务来说，有助于业务实现更优效果的技术就是最好的技术。

　　聘宝在面对低区分度简历时的角色识别算法，吸收结合了上述各类算法的特点，面对不同场景条件时搭配应用，实现了更优的分类效果，在 TMT 行业主要职位类型上的识别准确率高于 75%。

　　以 “软件工程师” 为例子，在聘宝中输入属于软件工程师的职位描述，预测出可能的角色，效果如下图：

　　<图 8 - 聘宝角色识别效果示例>

　　对于其他行业低区分度的简历，同样可以训练出对应的模型。如果单个行业预测类别不用过细的话，可以将众多行业数据混合一起训练模型进行预测。

　　基于该实验的样本数据，假设简历库中有 1 万份名为 “软件工程师” 的简历。 一位 HR 在搜索 “Android 工程师” 时仅关注简历名称为 “Android 工程师” 的简历，她将遗漏 912 份有可能匹配的简历——这些简历均被冠以 “软件工程师” 的职位名称;如果这位 HR 愿意花时间从头到尾通读每一份 “软件工程师” 的简历，将其中真正从事 Android 研发工作的简历筛选出来，那么她需要多阅读 9088 份无效的软件工程师简历，假设阅览一份简历需要 15 秒，这项工作将占据她 38 小时。

　　角色识别除了在简历检索方面的应用，在其他方面也有广泛的应用空间。 如薪资预测， 根据工作描述预测角色作为特征变量，将有助于提高预测薪资的准确性。

　　又例如简历解析， 将简历详情页的各个区块作为文本，预测各区块所属的信息类型(如工作经验、教育经历等)后再使用对应的解析程序对区块进行解析，将大大提高简历详情页面的解析效率。

　　我们始终相信技术可以提高工作效率，也正因此我们在简历的分析与匹配工作上持续深耕三年，相信在机器学习技术的帮助下，HR 的招聘工作将变得更加省时高效。

　　审视员工从自身开始

　　首先，HRD(Human Resource Department)要先审视自己，部门人员的能力怎样?素质怎样?能为公司的业务发展带来多大的贡献?“打铁还得自身硬”，要从事务型HR发展到资源开发型HR，进而发展成战略伙伴型HR，练就过硬的洞察力、专业力，地位自然就会提高。

　　开展工作有序推进

　　同时，HRD要具备强大的推动力，要做公司业务发展的推动者，而不是一味按照老板和业务部门的要求。HRD工作任务量大责任重，所以要能够洞悉自身发展的规律，按照自己的节奏进行工作，避免陷入又累又被抱怨的尴尬境地。

　　站在员工立场想事情

　　如何体现亲和力?简单来讲就是想员工所想，HR经常为自己的角色定位而困惑，有的HR充当“打手”，有的“和稀泥”，员工是公司的主体，而不是劳资关系的对立， HR的角色定位应该是站在公司的立场为员工考虑，即便是软硬兼施，也要与员工打成一片。

　　结合人性永续激励

　　当然，“永续激励”是HRD始终都要思考的问题，要激发员工对企业、对工作的热情，需要HR部门通过感召力来进行。要结合人性，长中短激励相结合，公平、成就、关系是影响激励的三要素，一流的企业必须要有一流的企业文化。

　　安排工作落脚企业战略

　　为了让员工与公司更具契合度、工作不偏离公司战略计划， HRD所有工作的落脚点要指向：公司的发展方向、经营重点、重大关切。这里面的逻辑关系一定要理清，站在公司的战略层面思考问题，练就过人的商业力眼光。

　　除此之外的凝聚力、创新力也是要通过不断的工作总结来锻炼和提升。在凝聚力方面，HR部门可以利用公司里面的典型事件、典型人物来塑造企业的文化氛围。要知道，“榜样的力量是无穷的”，这样可以激发出更多的“典型”;在创新力上，HRD要有主动接触新鲜事物的意识，选择和利用各种创新方法及渠道为企业创造更多价值，如创新的引才渠道、创新的人才测评工具等等，这样才能保证企业发展能够符合多变的市场，让内部工作开展起来更高效，保证企业的有序运营和良性发展。

　　如今，可以看出企业对人才的认识从“生产成本”上升到了“企业资源”，除了是对企业人力资源部门重要性的肯定，对HR来讲也是一种更高的挑战，HR只有不断的修炼这些内功，才能让自己的职场之路更加璀璨。

　　小结：相信最后大家阅读完毕本篇文章，肯定学到了不少知识吧?其实大家私下还得多多自学，当然如果大家还想了解更多方面的详细内容的话呢，不妨关注课课家教育平台，在这里你肯定会有意想不到的收获的!