Neues Multi-View Graph Convolution Network verbessert interne Talentempfehlungen
Ein innovatives Modell aus der Forschung der Universität Zürich nutzt E‑Mail-Daten, um die Eignung von Mitarbeitern für neue Positionen genauer zu bestimmen. Dabei werden zwei unterschiedliche Perspektiven berücksichtigt: Was die Mitarbeiter tun (semantische Ähnlichkeit ihrer Aufgaben) und wie sie arbeiten (Struktur ihrer Interaktionen und Kooperationen). Diese beiden Dimensionen werden als separate Graphen dargestellt und anschließend mithilfe eines Dual Graph Convolutional Networks mit einem Gating‑Mechanismus kombiniert.
