Özkan Canay提出可解释CF-RL-TOPSIS人才推荐模型

Özkan Canay在arXiv发表研究，提出可解释的晚融合模型CF-RL-TOPSIS，用于技能感知的人才推荐。模型整合三个分支：转换感知协同过滤、强化学习风格的职业族bandit，以及由六个语义代理构成的熵权TOPSIS分支。 模型在两个冻结的公开ICT人才历史基准JobHop和Karrierewege上评测，采用重复按时间顺序的top-5排名和配对Wilcoxon检验。结果显示，在Karrierewege上该混合模型保持竞争力，但没有显著超过最强的Markov基线。 研究称，其贡献不是宣称模型在所有基准上都优于其他方法，而是可复现地说明透明晚融合在哪些条件下能比简单的职业延续启发式方法带来额外价值。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。