按年被提到
20172017 · 3 次2026
社会、经济与科学研究›科研评价与算法公平·arXiv:1703.09845 · cs.SI

Bringing Salary Transparency to the World: Computing Robust Compensation Insights via LinkedIn Salary

把薪资透明带给世界:通过 LinkedIn Salary 计算稳健的薪酬洞察
Krishnaram Kenthapadi, Stuart Ambler, Liang Zhang, Deepak Agarwal · 2017

介绍 LinkedIn Salary 背后的统计建模系统与部署经验

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2017-03-30 · 最近 2017-05-12发表于 ACM International Conference on Information and Knowledge Management (CIKM)
3不同的人
3活跃月份
3讨论串
10被引(OpenAlex)

介绍刚上线的 LinkedIn Salary 产品背后统计建模系统的整体设计与架构,重点讲设计与实现中独特的数据挖掘挑战,以及贝叶斯分层平滑等建模组件如何帮助计算并呈现稳健的薪酬洞察。作者用近一年、来自超过一百万名 LinkedIn 用户的去标识化薪酬数据做了大量评估,验证了模型的有效性,并总结了部署中的经验教训。

HN 为什么提它

输入里没有保留评论摘录,只能看出它在 2017 年的几个月里被不同的人提起,大概是因为薪资透明这一话题。

其他难度 3 / 5约 35 分钟有时效性
读之前最好知道
1贝叶斯层次模型(Bayesian hierarchical model)
2统计平滑与稀疏数据估计
3推荐与数据挖掘系统
4隐私与数据去标识化

HN 书评

没有评论直接链到它;下面是它被提交的讨论串里回复最多的评论(不计入统计)

讨论串里没有 ≥100 字的评论,只有提交记录。

被提交为 story · 3 次