现在，基于用户图像的标签系统被用于各种行业，在广泛、专业知识渊博的网络招聘领域，构建标签系统的难点是什么呢？ 我应该如何构建标签体系？ 如何验证标签系统的正确性？ 文章就这三个问题展开了分析讨论，与大家分享。

 

一、招聘领域标签体系构建的难点

 

电子商务行业是客观上比较简单的toC领域，知识网络是比较容易理解的通用知识，可以根据用户的购买习惯、偏好、商品类别等构建标签体系。 医疗行业是专业性强的领域，构建标签系统需要理解医疗技术的专家团队，但容易操作的是只有医疗专家才能建设专业的标签系统。

 

但是，对招聘行业来说，行业、职位涉及范围很广，专业性很强。 各行业公司和求职者通过招聘平台保持联系，而且很多高精度的职位和候选人如何评价B/C方面的专业技能、工种、行业间的匹配度，确实是一大难点，理论上需要总结各行业。

 

那么，机器能自动完成招聘领域的标签体系建设吗？ NLP  JAVA、spring、Visio、Excel等工具技能、原型设计、交互设计、需求分析等工作内容技能、用户运营、产品运营、数据运营等工作方向技能、010等

 

但是，现实看起来是完美和谐的。 如果Java出现在招聘负责人的职务说明中呢？ 用户写着“负责招募Java工程师”，如果Visio出现在Java工程师的说明中呢？ 如果Excel出现在运营负责人的职务说明中呢？ 010~300的技能不是010~300职场的核心能力吗？

 

首先，Java出现在招聘专家中，其实可以用硬性规则过滤。 例如，限制职位和技能的关系，即并非所有技能都满足所有职位，有些技能只适用于某些职位，对其他职位无效。其次，需求分析是产品经理的技能标签吗？ 确实，有些人可以说010~300个回答是正确的或错误的。 需求分析确实是产品的必备能力和工作内容。 错误是因为所有的产品经理都需要需求分析。 010~300个能力是该产品经理与其他产品经理区别的能力吗？

 

最后，Excel出现在运营负责人内、招聘负责人内、统计负责人内，那还是核心的技能标签吗？

 

通过以上分析，可以得出以下归纳总结。

 

并非所有技能都适用于所有职位，必须为每个职位定义核心技能标签体系。 因为除了核心以外的技能会无效，还会产生相反的效果。

 

并非所有该职位所需的技能或要做的工作内容都是该职位的技能标签。 那是因为该职位的共同能力没有区别度，技能标签是该职位工种的核心技能，应该能区别不同的职位或简历。

 

因此，通过以上分析，纯NLP机器识别的方式无法完成招聘领域的标签体系建设。 因为机器不能从一个职场的很多技能中筛选出重要的知识技能和不重要的知识技能。

 

二、如何构建招聘领域的标签体系

 

1 .基于静态信息的通用标准化标签

 

招聘领域的标签首先可以考虑学历、工龄、工资范围等比较共同的职位/简历侧匹配维度。 当然，这个显性通用的标签已经成为各招聘平台结构化的筛选项目。

 

其次，还有要求海外经验、党员、国有企业经验、籍贯、年龄等的职位，以及将其中几个维度作为平台上的结构化标签的平台。

 

但是这个不是我们的研究重点，我们主要研究各职务专业的知识方向技能。

 

2 .基于静态信息的专业知识精细化标签

 

建立专业知识标签系统的要点是建立专业的岗位研究专家团队。 要研究某个职场的专业知识标签，一定需要精通那个职场的人。 你是选择在那个职场工作的人还是对这种职场了解的HR人？

 

因此，对这两种人员进行了调查和分析，最终从事这个岗位的人对从事的岗位了解比较深，但对其他相关岗位不一定了解，不太了解招聘中用户的感知和思考。

 

HR人员在专业深度上对职场的理解不太深入，但知道的职场范围很广，只要从事某个行业的HR工作，基本上精通该行业的所有职场和关心的重点技能，HR经常使用招聘平台，有用户的感觉，队伍建设好了。 也有大致的研究构想。 其次可以很好地研究标签体系的具体生产过程和规则。 关于这个，总结如下图。

 

系统构建的目的确实用于算法的推荐和搜索，初期可以通过离线漏斗数据变换对比(命中标签和错误标签的变换对比)验证该标签系统的离线匹配效果，进而通过灰度实验、小流量上线实验进行实线上的匹配

 

专业知识标签只关注适合度，最终用户是否活跃，b方HR是否匆忙，c方求职者是否找工作，如何平衡专业知识的标准和用户行为的活用权重也是一大难点，其标准和活用的巴

 

3 .基于动态信息的用户行为标签

 

基于用户行为的用户图像标签系统广泛应用于电子商务领域，在招聘领域也同样适用，但在电子商务领域的“看-联系卖方-购买”行为在招聘领域是“看-说-同意”的行为

 

EC平台中的协调过滤理论在招聘平台中也同样适用，只是成为了基于类似职位的过滤和基于类似候选人的过滤。 一家企业过去达成的大多是名校的候选人，我们知道那家企业喜欢有名校的教育经验。 有些企业倾向于招募经销商，在专业知识体系中招募有软件销售经验的候选人，所以我们知道那个企业喜欢软件行业的销售候选人。

 

通过用户图像系统，评价用户的喜好，在该用户今后的推荐中使用该喜好，可以得到更好的效果。

 

三、静态动态标签系统在招聘领域的综合运用

 

静态通用标签是所有工种通用的标签特征，属于大量标准化的生产和运营，通用标签的生产完善，可以实现粗矿式阶梯运行节奏的匹配。

 

专业知识标签是每个工种的专业标签特征，是小批量微细化的生产和运营，在前一步达到一定的匹配度后，结合微细化的步进方式，将各工种的粒度分为更微细化的粒度，达到更高的匹配度。

 

在前面的标准化、微型化二轮分类后，数据已经分为一个小班，但没有测定每个用户嗜好的特征标签，动态的用户行为标签是每个用户个性化的嗜好特征标签，用户嗜好以共同的学历、年限特征最终，静态标准化通用标签、专业知识精细化标签、动态行为个性化优先标签三者相互作用，相辅相成，提高了采用领域的在线效果匹配精度。