LinkedIn的招聘平台利用复杂的机器学习算法提供高效的人才搜索和推荐。通过关联、智能查询和个性化三大标准建立搜索模型，同时采用梯度增强判定树（GBDT）和网络嵌入语义相似性技术提升推荐准确性。面对个性化挑战，LinkedIn采用广义线性混合模型和多武器强盗模型，不断优化招聘体验。
LinkedIn 是迄今为止市面上极受欢迎的招聘平台之一。来自世界各地的招聘者每天会从 LinkedIn 上网罗挑选适合他们招人岗位的候选人。像 LinkedIn Recruiter 这款产品，就可以说明招聘者创建并管理一个人才库，最大限度地提高征人成功率。这款产品的高效性能是通过一系列极其复杂的搜索和推荐算法来实现的，这些算法利用了最先进的机器学习架构，也考虑了很多实际因素。除了在构建一个世界上最有价值的数据集之外，LinkedIn 一直在通过各种实验来突破机器学习技术，希望把人工智能的一流体验带入 LinkedIn 产品中。
LinkedIn 以三大标准建立搜寻推荐模型
招聘产品的推荐功能对 LinkedIn 的机器学习技术提出了很大的挑战。除了处理庞大且不断增长的数据集，招聘产品还需要处理很多随机且复杂的查询和筛选需求，并提供与之非常相关的结果。搜索环境是如此多变，以至于很难将这个问题简单转换为机器学习的模型来解决。以招聘产品为例，LinkedIn 使用了一个包含三个因素的标准来描述搜索推荐模型需要实现的目标。
1.关联： 搜索结果不仅需要返回给相关的候选人，还需要显示可能对目标职位感兴趣
最低0.47元/天 解锁文章
扫一扫
2060
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
