基于政策的求职动态方面建议

求职者通常会通过简短、不明确的查询来发起搜索。在 LinkedIn，超过 80% 的职位相关查询包含三个或更少的关键字，这使得准确的用户意图推断和相关职位检索特别具有挑战性。我们提出了动态方面建议（DFS），这是一种交互式查询细化机制，通过实时显示基于联合用户查询上下文的个性化语义属性来促进意图消歧。我们提出了一个基于策略、检索增强的分面建议排名框架，包括离线分类管理、基于嵌入的前 K 候选者检索以及基于蒸馏小语言模型 (SLM) 的候选者评分。该系统针对实时服务进行了优化，通过带有批处理和前缀缓存的逐点单词元评分。离线评估显示生成的建议具有很高的精确度，在线 A/B 测试显示建议参与度和求职结果有显着改善。