百度 TIC 團隊
+8 AI影響因子
活動
企業：百度
操作：專訪
事項：
雷鋒網(公衆号：雷鋒網) AI 科技評論按，對于高科技企業來說，人才是最寶貴的财富和核心競争力，每家企業都希望能夠招聘到最優秀的人才。但在實際招聘過程中，又會面臨許多問題，例如：如何量化候選人的優秀程度以及和應聘崗位的契合程度？這些問題通常非常依賴 HR 招聘經理和面試官自身的經驗。事實上，傳統的人才評估手段一方面效率較低，另一方面難以杜絕主觀失誤。這時候，基于人工智能的招聘技術作為一種有效的補充手段，開始發揮作用。
基于以上種種原因，為了更好地進行人才管理，百度依托自身大資料和人工智能技術優勢，建立了百度人才智庫（Baidu Talent Intelligence Center, 簡稱 TIC）團隊，并研發了百度人才智庫系統，目前該系統已經擁有包括智能招聘在内的六大産品子產品，具有超過 50 種自主研發的智能人才分析功能，并在百度 HR 内部全面使用。
百度 TIC 團隊從成立至今已有三年曆史，由百度科學家、商業智能實驗室主任、在國際人工智能領域享有盛名的熊輝教授負責，針對人才、組織、文化等三個層面開展了一系列大資料智能化人才管理的探索與實踐。而在人才管理中，招聘是非常重要的一環，也是特别關注的方向。百度 2019 校園招聘正是借助該團隊的技術能力，讓智慧校招成為距離畢業生最近的 AI 場景，通過 AI 技術為每一位同學尋找、推薦最合适的崗位，實作個性化筆試，助力優秀人才脫穎而出。
智慧校招
在過去幾年裡，百度已經自主研發了一系列針對智能招聘場景的技術和産品，去年也首次針對校園招聘做出嘗試，發起了名為「智慧校招」的項目。該項目負責人、同時也是百度 TIC 團隊技術負責人的祝博士對 AI 科技評論表示，對任何一家公司來說，校招都非常重要。相較社招的員工，校招的學生更像一張白紙，企業可以為其提供更合适的培養計劃，他們對公司也會更具歸屬感和認同感。他進一步表示，希望能通過百度 TIC 團隊的技術和産品，一改以前主觀化、經驗化和滞後的人才管理模式，通過大資料和人工智能技術，得到相對客觀化、科學化和前瞻化的結論。
目前，百度在智能招聘領域已經積累了一系列重要科研成果，從招聘市場趨勢分析到招聘公司口碑（雇主品牌）分析，再到履歷評估、人崗比對、智能評測等，都有相應技術積累，也在 IJCAI、AAAI、SIGIR、KDD 等人工智能、資料挖掘領域的頂級會議上發表了多篇論文。
成果是第一步，落地是第二步。智慧校招項目始于 2017 年，當時主要針對 HR 招聘效率提升進行了兩方面嘗試：一是履歷評估，對履歷做初步篩選；二是履歷分發，基于曆史招聘資料，建構基于深度學習的人崗比對模型，把應聘人員比對到合适的部門和崗位。
基于去年的功能，智慧校招項目在今年的百度 2019 校園招聘項目中又有兩大提升，直接服務于應聘學生，從幕後走向台前。
第一，智能崗位推薦。打開百度招聘首頁（talent.baidu.com），點選校園招聘之後，會出現個人專屬的智能招聘助手小度，一旦将履歷上傳至頁面，小度會自動為大家進行崗位推薦。
第二，智能筆試試卷生成。在履歷投遞成功之後，小度将針對崗位需求和個人履歷，為學生量身打造個性化筆試考卷。祝博士表示，以前隻會通過招聘崗位的大類别對學生進行通用的筆試考察，而今年的校園招聘把學生履歷與具體崗位需求相結合，進行個性化考察，針對每個人定制不同試題。「我們希望嘗試利用人工智能技術，實作一種千人千面，萬人萬面的個性化筆試，根據履歷内容以及應聘崗位的具體需求，個性化生成試題。」
在談到百度建立智能招聘系統的過程中，面臨的挑戰有哪些的時候，百度 TIC 團隊表達了如下的看法。
第一個挑戰是尋找問題，定義問題
首先需要與 HR 專家進行深入溝通，了解業務上的真正痛點。之後，再把抽象的業務問題定義成具體的數學問題，定義成可以用算法解決的問題。拿招聘舉例，最基本的方向是關健詞比對，如果想要招聘資料挖掘或者機器學習方向的研究人員，必須對方在履歷中有提及相關技能的關鍵詞，才可以進行比對。但問題在于，如今的專業技能劃分越來越細，資料挖掘、機器學習裡有非常多的分類，例如：深度學習、強化學習等等，同時 NLP、語音識别等領域也與機器學習、資料挖掘緊密相關，如何去比對這些技術在語義上的關聯性，是算法研發中的一大挑戰。
需要結合各領域相關知識，提供可解釋性的結論
在進行資料挖掘和機器學習研究時，最核心的問題是如何把技術知識和商業領域知識相結合。如何結合 HR 領域知識，設計最符合招聘問題的智能解決方案，就是一大難點。而這裡還有一個困難，如果讓機器直接告訴 HR 結果，他們更多時候會持懷疑态度，因為機器學習、特别是深度學習對 HR 來說是個「黑箱」。針對這一問題，百度 TIC 團隊嘗試利用階層化 RNN + Attention 機制，增加模型的可解釋性，把履歷中的重要技能進行可視化展示，直覺地顯示出比對程度，相關論文也已經在 SIGIR 2018 上發表。
成果展示
除了 SIGIR 2018，百度 TIC 團隊在 AAAI 2018 上也發表了一篇對履歷進行智能評估的論文。祝博士向 AI 科技評論表示，在評估履歷時，除了進行文本分析，非常重要的一點則是判斷履歷中的技能是否是招聘市場上最需要的。這篇論文對招聘市場上各個公司的用人需求以及技能要求模組化，判斷出市場上最需要的技能，基于這些結論，再對履歷進行結構化分析。「例如目前市場上最需要深度學習、強化學習方面的人才，而履歷中恰好也有這方面的專業技能，那麼這個人就是一名潛在候選人。」
百度 TIC 團隊針對人崗比對問題提出了一種全新的可解釋性深度學習模型（SIGIR 2018）
前面提到的校招筆試題自動生成就是基于他們發表在 IJCAI 2018 上的一篇論文。針對履歷、崗位、面評的次元進行聯合模組化，讓機器學習履歷和崗位中重要的知識點，然後與題目進行比對。出題時不僅要考慮到相關性，而且還要考慮到覆寫程度和多樣性。在這裡，百度 TIC 團隊提出了一個全新的算法來解決這個問題。
在 KDD 2016 上，他們發表了一篇論文對招聘市場趨勢進行了分析。這項工作對網際網路公司釋出的曆史招聘廣告進行序列化模組化，對不同公司的招聘趨勢進行預測。那時候，這一模型便成功預測出未來數年主流網際網路企業布局大資料、人工智能的商業戰略。
在 KDD 2016 上發表的另一項研究是人才圈子挖掘，用來解決人才 Sourcing 的問題，例如：如果需要招聘資深資料挖掘工程師，應該從哪些公司或高校去尋找。舉個簡單的例子，網際網路企業如果需要招聘資深工程師，一般傾向在一線大型網際網路公司去找。公司和公司之間存在人才圈子，這是由企業文化和業務方向所決定的。
百度 TIC 團隊關于智能招聘的相關論文：
Recruitment market trend analysis with sequential latent variable models
KDD 2016
Talent circle detection in job transition networks
Collaborative company profiling: Insights from an employee's perspective
AAAI 2017
Measuring the popularity of job skills in recruitment market：A multi-criteria approach
AAAI 2018
Person-job fit：Adapting the right talent for the right job with joint representation learning
ACM TMIS 2018
Enhancing person-job fit for talent recruitment：An ability-aware neural network approach
SIGIR 2018
A joint learning approach to intelligent job interview assessment
IJCAI 2018
在技術上有了積累，未來如何做好産品？
TIC 團隊表示需要做好兩點：第一，做産品要重視領域知識。特别是商業産品，比如智能招聘，對于這種已有的行業，本身積累了非常多的領域知識、專家知識，做産品時需要尊重這些相關知識，進而令其成為賦能的導向。要積極和行業專家進行溝通，真正把領域知識和技術知識進行完美結合。如果一開始就想要颠覆或者取代某個行業，這是不可取的，也會讓傳統從業者産生負面想法。
第二，做産品還需要專注。現在人工智能是熱點，社會和行業相對比較浮躁，大家都會往這方面發展。這時候需要專注、打磨技術、重視使用者體驗，把産品真正做到極緻。近年人工智能創業公司如雨後春筍般出現，人工智能領域頂會的投稿量也屢創新高，這一方面說明了人工智能的熱度，另一方面也告訴我們要想從中脫穎而出必須要有自己的專注和堅持。
未來，百度 TIC 團隊還将繼續在人才、組織、文化等方面進行更多智能化人才管理的嘗試。祝博士告訴我們，這個領域非常綜合，涉及到管理學、組織行為學、人工智能等多個領域的知識融合。從招聘角度來說，在複盤今年校招項目的應用效果之後，将考慮在明年校招項目中上線更多貼近學生應聘需求的智能應用。另外，對于相關算法，還将進行一系列嘗試和創新。
雷鋒網雷鋒網