百度 TIC 团队
+8 AI影响因子
活动
企业：百度
操作：专访
事项：
雷锋网(公众号：雷锋网) AI 科技评论按，对于高科技企业来说，人才是最宝贵的财富和核心竞争力，每家企业都希望能够招聘到最优秀的人才。但在实际招聘过程中，又会面临许多问题，例如：如何量化候选人的优秀程度以及和应聘岗位的契合程度？这些问题通常非常依赖 HR 招聘经理和面试官自身的经验。事实上，传统的人才评估手段一方面效率较低，另一方面难以杜绝主观失误。这时候，基于人工智能的招聘技术作为一种有效的补充手段，开始发挥作用。
基于以上种种原因，为了更好地进行人才管理，百度依托自身大数据和人工智能技术优势，建立了百度人才智库（Baidu Talent Intelligence Center, 简称 TIC）团队，并研发了百度人才智库系统，目前该系统已经拥有包括智能招聘在内的六大产品模块，具有超过 50 种自主研发的智能人才分析功能，并在百度 HR 内部全面使用。
百度 TIC 团队从成立至今已有三年历史，由百度科学家、商业智能实验室主任、在国际人工智能领域享有盛名的熊辉教授负责，针对人才、组织、文化等三个层面开展了一系列大数据智能化人才管理的探索与实践。而在人才管理中，招聘是非常重要的一环，也是特别关注的方向。百度 2019 校园招聘正是借助该团队的技术能力，让智慧校招成为距离毕业生最近的 AI 场景，通过 AI 技术为每一位同学寻找、推荐最合适的岗位，实现个性化笔试，助力优秀人才脱颖而出。
智慧校招
在过去几年里，百度已经自主研发了一系列针对智能招聘场景的技术和产品，去年也首次针对校园招聘做出尝试，发起了名为「智慧校招」的项目。该项目负责人、同时也是百度 TIC 团队技术负责人的祝博士对 AI 科技评论表示，对任何一家公司来说，校招都非常重要。相较社招的员工，校招的学生更像一张白纸，企业可以为其提供更合适的培养计划，他们对公司也会更具归属感和认同感。他进一步表示，希望能通过百度 TIC 团队的技术和产品，一改以前主观化、经验化和滞后的人才管理模式，通过大数据和人工智能技术，得到相对客观化、科学化和前瞻化的结论。
目前，百度在智能招聘领域已经积累了一系列重要科研成果，从招聘市场趋势分析到招聘公司口碑（雇主品牌）分析，再到简历评估、人岗匹配、智能评测等，都有相应技术积累，也在 IJCAI、AAAI、SIGIR、KDD 等人工智能、数据挖掘领域的顶级会议上发表了多篇论文。
成果是第一步，落地是第二步。智慧校招项目始于 2017 年，当时主要针对 HR 招聘效率提升进行了两方面尝试：一是简历评估，对简历做初步筛选；二是简历分发，基于历史招聘数据，构建基于深度学习的人岗匹配模型，把应聘人员匹配到合适的部门和岗位。
基于去年的功能，智慧校招项目在今年的百度 2019 校园招聘项目中又有两大提升，直接服务于应聘学生，从幕后走向台前。
第一，智能岗位推荐。打开百度招聘主页（talent.baidu.com），点击校园招聘之后，会出现个人专属的智能招聘助手小度，一旦将简历上传至页面，小度会自动为大家进行岗位推荐。
第二，智能笔试试卷生成。在简历投递成功之后，小度将针对岗位需求和个人简历，为学生量身打造个性化笔试考卷。祝博士表示，以前只会通过招聘岗位的大类别对学生进行通用的笔试考察，而今年的校园招聘把学生简历与具体岗位需求相结合，进行个性化考察，针对每个人定制不同试题。「我们希望尝试利用人工智能技术，实现一种千人千面，万人万面的个性化笔试，根据简历内容以及应聘岗位的具体需求，个性化生成试题。」
在谈到百度建立智能招聘系统的过程中，面临的挑战有哪些的时候，百度 TIC 团队表达了如下的看法。
第一个挑战是寻找问题，定义问题
首先需要与 HR 专家进行深入沟通，了解业务上的真正痛点。之后，再把抽象的业务问题定义成具体的数学问题，定义成可以用算法解决的问题。拿招聘举例，最基本的方向是关健词匹配，如果想要招聘数据挖掘或者机器学习方向的研究人员，必须对方在简历中有提及相关技能的关键词，才可以进行匹配。但问题在于，如今的专业技能划分越来越细，数据挖掘、机器学习里有非常多的分类，例如：深度学习、强化学习等等，同时 NLP、语音识别等领域也与机器学习、数据挖掘紧密相关，如何去匹配这些技术在语义上的关联性，是算法研发中的一大挑战。
需要结合各领域相关知识，提供可解释性的结论
在进行数据挖掘和机器学习研究时，最核心的问题是如何把技术知识和商业领域知识相结合。如何结合 HR 领域知识，设计最符合招聘问题的智能解决方案，就是一大难点。而这里还有一个困难，如果让机器直接告诉 HR 结果，他们更多时候会持怀疑态度，因为机器学习、特别是深度学习对 HR 来说是个「黑箱」。针对这一问题，百度 TIC 团队尝试利用层次化 RNN + Attention 机制，增加模型的可解释性，把简历中的重要技能进行可视化展示，直观地显示出匹配程度，相关论文也已经在 SIGIR 2018 上发表。
成果展示
除了 SIGIR 2018，百度 TIC 团队在 AAAI 2018 上也发表了一篇对简历进行智能评估的论文。祝博士向 AI 科技评论表示，在评估简历时，除了进行文本分析，非常重要的一点则是判断简历中的技能是否是招聘市场上最需要的。这篇论文对招聘市场上各个公司的用人需求以及技能要求建模，判断出市场上最需要的技能，基于这些结论，再对简历进行结构化分析。「例如目前市场上最需要深度学习、强化学习方面的人才，而简历中恰好也有这方面的专业技能，那么这个人就是一名潜在候选人。」
百度 TIC 团队针对人岗匹配问题提出了一种全新的可解释性深度学习模型（SIGIR 2018）
前面提到的校招笔试题自动生成就是基于他们发表在 IJCAI 2018 上的一篇论文。针对简历、岗位、面评的维度进行联合建模，让机器学习简历和岗位中重要的知识点，然后与题目进行匹配。出题时不仅要考虑到相关性，而且还要考虑到覆盖程度和多样性。在这里，百度 TIC 团队提出了一个全新的算法来解决这个问题。
在 KDD 2016 上，他们发表了一篇论文对招聘市场趋势进行了分析。这项工作对互联网公司发布的历史招聘广告进行序列化建模，对不同公司的招聘趋势进行预测。那时候，这一模型便成功预测出未来数年主流互联网企业布局大数据、人工智能的商业战略。
在 KDD 2016 上发表的另一项研究是人才圈子挖掘，用来解决人才 Sourcing 的问题，例如：如果需要招聘资深数据挖掘工程师，应该从哪些公司或高校去寻找。举个简单的例子，互联网企业如果需要招聘资深工程师，一般倾向在一线大型互联网公司去找。公司和公司之间存在人才圈子，这是由企业文化和业务方向所决定的。
百度 TIC 团队关于智能招聘的相关论文：
Recruitment market trend analysis with sequential latent variable models
KDD 2016
Talent circle detection in job transition networks
KDD 2016
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
在技术上有了积累，未来如何做好产品？
TIC 团队表示需要做好两点：第一，做产品要重视领域知识。特别是商业产品，比如智能招聘，对于这种已有的行业，本身积累了非常多的领域知识、专家知识，做产品时需要尊重这些相关知识，从而令其成为赋能的导向。要积极和行业专家进行沟通，真正把领域知识和技术知识进行完美结合。如果一开始就想要颠覆或者取代某个行业，这是不可取的，也会让传统从业者产生负面想法。
第二，做产品还需要专注。现在人工智能是热点，社会和行业相对比较浮躁，大家都会往这方面发展。这时候需要专注、打磨技术、重视用户体验，把产品真正做到极致。近年人工智能创业公司如雨后春笋般出现，人工智能领域顶会的投稿量也屡创新高，这一方面说明了人工智能的热度，另一方面也告诉我们要想从中脱颖而出必须要有自己的专注和坚持。
未来，百度 TIC 团队还将继续在人才、组织、文化等方面进行更多智能化人才管理的尝试。祝博士告诉我们，这个领域非常综合，涉及到管理学、组织行为学、人工智能等多个领域的知识融合。从招聘角度来说，在复盘今年校招项目的应用效果之后，将考虑在明年校招项目中上线更多贴近学生应聘需求的智能应用。另外，对于相关算法，还将进行一系列尝试和创新。
雷锋网雷锋网
