本文以互联网行业为例，展示了在职业路径场景下的智能设计及规划能力

本文主要阐述了Embedding的原理以及一些应用，具体地阐述了Graph Embedding在人力资本领域的落地应用。

在经典的机器学习排序模型中通常分为两种：复杂的人工特征工程+简单的模型，简单的人工特征+复杂的模型。本着该原则我们对以文本为主的职位和简历对进行了匹配排序实践。

我们针对人力资本场景，借鉴Bert的思想提出了一个新方法，能够更好地用数学的方法对人才/岗位画像进行表示。

在人力资源领域，无论是选拔新员工还是考核在职员工，访谈都是最基础且常用的方式。一次成功的访谈不但能够考察出员工在专业领域的知识与技能，还能挖掘到员工的价值观、自我形象与性格特点，从而帮助判断员工与岗位的匹配程度，甚至可对员工长期的绩效表现进行预测。

随着网络招聘的发展与壮大，网聘渠道积攒着数亿份个人简历以及上千万份企业招聘信息。如何将这些简历和岗位进行精准匹配是各大招聘平台面临的重大挑战。

从深度学习方法到传统文本匹配方法，到深度学习算法……

在招聘场景中，“人岗匹配”功能可以实现向岗位推荐相匹配的候选人简历，因此在实际招聘工作中，可以极大的减轻HR的工作量，提升招聘效率。在本篇中，我们针对强化学习在e成人岗匹配系统的应用进行解读。

人才库搜索引擎背后的算法知识

上知招聘，下知绩效，薪酬考勤，过目不忘

随着时代和技术的发展，对数据的处理已经从简单人工处理进入到了人工智能技术的应用，而知识图谱则能把这些数据连接起来，挖掘其中更多价值，帮助企业管理层及HR们更明智的做出关于人的决策

本文梳理了目前主流的序列标注任务的框架，介绍了中文序列标注模型之于英文不同的特征输入，并基于工作经历文本尝试使用上文提到的各个模型进行训练，其中，利用丰富的特征输入的字符级别的模型取得了最好的结果。