隨著就業壓力與日俱增，“技能鴻溝”（Skill Gap）已成為困擾各方的重要因素。一方面，求職者希望有針對性地準備相應專業技能，以便從激烈競爭中脫穎而出。另一方面，招聘方也希望把握熱門技能的流行趨勢，為人力資源部門提供指導。

雖然已有機構釋出了熱門技能的分析報告，但這些報告多半基於簡單統計，既未能區分不同關註型別下技能的評判標準，又未考慮技能之間的潛在層次關聯。因此，更為準確、全面的技能熱度分析成為應時之需。 

然而，這個問題有著不小的挑戰：

1. 在求職時，不同的人對工作的偏好常常是不同的，有人偏愛挑戰自我，這些人更可能選擇工作強度高的大型公司；有人則追求生活和工作的平衡，他們更可能傾向於家鄉小公司裡悠哉的工作。

同時，不同型別的公司和職位對技能的需求也是千差萬別的，因此需要實現不同招聘關註型別影響下的技能熱度分析。

2. 技能需求從來不是獨立存在的，而是存在很強的潛在關聯性。例如「node.js」和「Javascript」常常一同出現，卻絕少和「machine learning」出現在同一個工作需求中。

此外，技能也存在層次關係，例如「node.js」和「Javascript」就都屬於「前端技術」這一類別。因此，需要將技能間的關係引入技能熱度分析中。 

為了應對上述挑戰，來自中國科學技術大學的徐童博士，來自百度人才智庫的祝恆書博 士、朱琛、李磐，以及美國羅格斯-新澤西州立大學熊輝教授的論文“Measuring the Popularity of Job Skills in Recruitment Market: A Multi-Criteria Approach”（已被 AAAI2018 接收）首次從多準則的角度對技能熱度進行了分析，並提出一個新穎的招聘資料分析模型，並且在真實應用場景中取得創新性的成果。 

具體而言，首先基於技能在招聘需求中的共現度，構建了用於表示技能間關聯性的網路（Skill-Net），接著將每個技能構成的自我網路（ego-network）當作檔案，相鄰技能節點作為單詞進行建模。

在此基礎之上，透過借鑒主題模型（topic modeling）的思想，作者們提出了技能流行度主題模型 SPTM（Skill Popularity Topic Model），來建模技能間的共現關係。

△ 圖1：技能關聯網路（Skill-Net）

△ 圖2：基於“Skill-Net”生成檔案

此外，為建模技能和不同招聘關註型別（例如工資水平、公司規模）之間的關係，作者們將每個關註型別和一個主題相關聯，並認為每個檔案只可能包含特定關註型別的主題。

同時為了將技能類別資訊引入模型，他們用變數表示每個技能所屬的類別，藉此 SPTM 得以建模每個技能和其他技能類別間的相關關係。

最後，透過給定不同關註型別組合的觀察變數， SPTM 模型可以透過貝葉斯條件機率對相關技能進行排序。

△ 圖3：技能熱度分析框架圖

對話作者

關於本文的創新，作者是這樣認為的：

在技術層面，SPTM 技術框架具有以下兩點新穎性。首先，基於真實簡歷檔案建立技能之間的網路，並結合技能類目資訊，對於技能進行了層次化關聯描述。

其次，在機率圖模型的統一框架下，實現技能關聯與關註型別進行聯合建模，從而改傳統面向單一條件的簡單排序任務為面向任何前置規則組合的生成機率表達，提升了技能熱度分析的精度和靈活性。 

與此同時，SPTM 技術框架也具有一定的應用價值，它填補了求職者與招聘方之間的“技 能鴻溝”，提供了不同關註型別下的技能熱度分析，在為求職者提供規律性就業指導的同時，相關實驗也證實了其應用於智慧招聘領域的可行性。 

關於本文的實際應用，作者認為基於 SPTM 所提供的熱門技能排序功能，主要可以為招聘市場參與各方提供兩方面的作用。 

對於求職者而言，將提供有針對性的就業指導。例如，論文對求職者最為關心的公司規模與工資兩個因素下的熱門技能進行了案例分析，結果發現大型企業更看重“資料”的價值， 而高收入往往要求獨創性的工作。 

對於招聘方而言，將提供簡歷篩選乃至結果預測的輔助。例如，作者們基於某著名網際網路公司所收到的十餘萬份真實簡歷及其篩選結果進行了相關性分析，結果顯示基於 SPTM 對 簡歷中技能的評分，與最終的錄取結果呈現高度的相關性，證實了 SPTM 框架在簡歷篩選中的作用，這對於缺乏專業知識的人力資源部門而言尤其具有輔助價值。

關於中國中文資訊學會青工委

中國中文資訊學會青年工作委員會是中國中文資訊學會的下屬學術組織，專門面向全國中文資訊處理領域的青年學者和學生開展工作。

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號後臺點選「交流群」，小助手將把你帶入 PaperWeekly 的交流群裡。

▽ 點選 | 閱讀原文 | 檢視原論文