导读：目前基于用户画像的标签体系在各行各业开始得到应用，对于涉及范围广，专业知识深的互联网招聘领域来说，建立标签体系的难点是什么呢？应该如何建立标签体系？怎么验证标签体系的准确性？文章对这三个问题展开了分析探讨，与大家分享。

一、招聘领域建立标签体系的难点

电商行业客观来说属于比较简单的toC领域，知识网络是比较容易理解的通用知识，可通过用户的购买习惯、偏好、商品品类等建立标签体系。医疗行业属于专业性强的领域，建立标签体系必须要懂医疗技术的专家团队才可以，但是易于操作的是，只需要医疗一个领域专家就可以完成专业的标签体系建设。

但对于招聘行业来说，行业、职位涉及范围广，且专业性强，因为各行各业的公司和求职者都会通过招聘平台建立联系，而且有很多高精专的职位和候选人，怎么评估B/C端之间专业技能、工种、行业之间的匹配度，确是一大难点，而且理论上来说需要集齐各个行业、各种职位的专家人员才能建立起招聘行业的标签体系，但这在现实中要怎么操作呢？

那么机器是否可以自动完成招聘领域的标签体系建设呢？用NLP抽取职位JD中的描述并将其聚类，比如抽取Java、spring、Unix、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，这是互联网从业者最熟悉的开发、产品、运营的工作内容和技能，如果机器可以识别这些类别标签就很完美了。

但现实却是看似的完美与和谐，万一Java是出现在了招聘专员的职位描述中呢？用户写的是“负责招聘Java工程师”，假如Visio出现在Java工程师的描述中呢？假如Excel出现在运营专员的职位描述中呢？这些技能还是不是这个岗位的核心能力？

首先，Java出现在招聘专员出其实是可以用硬规则过滤掉的，比如限制职位和技能的关系，也就是说不是所有技能都满足所有职位，有的技能只适用于某些职位，在其他职位内就是无效信息。

其次，需求分析是不是产品经理的技能标签呢？有的人说肯定是了，这个回答可以说对也可以说不对，对是因为需求分析确实是产品的必备能力和工作内容，不对是因为所有的产品经理都需要需求分析，那这个能力还是该产品经理区别于其他产品经理的能力吗？

**Excel会出现在运营专员内、也会出现在招聘专员内，也会出现在统计专员内，那么它还是个核心的技能标签吗？

通过以上分析可得到以下归纳性的总结：

1. 不是所有技能都适用于所有的职位，应该定义每个职位的核心技能标签体系，因为非核心的技能有时候不仅无效还会起到反作用；
2. 不是所有该职位需要的技能或者做的工作内容都是该职位的技能标签，因为它是该岗位的通用能力没有区别度，技能标签应该是该职位工种的核心技能且是可以区别不同职位或简历的。

所以通过以上分析可知，纯NLP机器识别的方式不能完成招聘领域的标签体系建设，因为机器没办法在一个岗位的众多技能中筛选出哪些是重要的知识技能，哪些是不重要的知识技能。

二、如何建立招聘领域的标签体系