|
算法和模型仍在探索中
“机器学习有三个重要支柱，数据、模型和算力。”薛延波说，数据正在以指数级别增加，模型的发展相对来说比较缓慢，现在机器学习可用到的模型也不多，职业市场是一个全新的市场，可能需要全新的模型来解决问题，最大挑战可能是模型设计。
“目前我们正在进行的工作是，通过协同滤波的方式将有相似职业生涯规划的人归类，从而理解真正的求职意图；并通过协同的方法尝试重构三维的工作场景。”薛延波说，这将有可能解决职业科学的理论中偏好列表未知的问题。
“协同滤波又称协同过滤，是一种常见的推荐算法。最初在亚马逊上出现，比如，买了这件商品的用户一般还买了什么。”智能一点CTO莫瑜解释，该算法可通过购买人群的相似度去评估不同商品的相似度；同时根据不同人购买的商品集合之间的相似度去评估不同人之间的相似度。做到“物以类聚、人以群分”，随后通过不同的列表进行匹配，再进行人与物之间的推荐。
在职业科学研究初期，薛延波表示，将利用该算法进行人与岗位的列表细分。之所以要建立这样的偏好列表，源于微观经济学的一个重要假设。“只有双方都清楚对方的偏好是什么，才能形成稳定匹配的市场。比如说大公司知道知名大学毕业生愿意来，而有创业意识的应聘者更倾向于进初创的小公司，有一个清晰的偏好列表，将有助于形成完美市场匹配。”
通过深度学习，偏好列表可以进一步完善，尝试做一些现实中的人岗匹配，匹配结果反过来再来影响偏好列表，进行修正等工作。
赵鹏说，中国有近6亿人在数千万家企业工作，但对于职场人在工作中的成就感、幸福感、安全感，企业在人才竞争中的竞争力、洞察力及双方的匹配等问题缺乏系统性研究，希望通过开启“职业科学研究”，从科学的角度，用严谨的方式以及引入人工智能等新的技术手段，对“职业”这门科学进行系统研究，并引起行业层面的关注。 3/5 首页 上一页 1 2 3 4 5 下一页 尾页 |
