基于深度学习的人岗双向匹配推荐方法研究与应用.pdf

效地利用人岗匹配任务中各种辅助信息（如工作行业、城市、职位类别等）

进行序列动态建模，该融合机制具有更高的注意力表示能力和灵活性，从而

增强了人才和岗位匹配表征的学习。

（4）通过研究人岗匹配双方的更多细节，将微观层次的匹配表征通过自

蒸馏的方式加入宏观层次，构建了一个多尺度匹配网络，同时使用辅助属性

预测器（AAP）优化组件，进一步提升了人岗匹配效率和效果。

最后，本文一种通过联合建模人岗匹配双边用户的交互行为数据、自由

文本和其他辅助数据，构建了一个双视角解耦辅助信息融合人岗匹配框架

DDIFPJF，将该框架部署在西南财经大学的“智慧就业