面向虚假招聘信息识别的多模态数据集

摘要：面向虚假招聘信息识别的多模态数据集，可视为对 EMSCAD 招聘欺诈数据集的增强版本。

数据集概述

面向虚假招聘信息识别的多模态数据集，可视为对 EMSCAD 招聘欺诈数据集的增强版本。数据集包含约 18,000 条招聘信息，其中约 800 条为虚假招聘信息。除传统的职位描述文本外，还加入了职位相关元数据以及对应公司的主页截图，使模型能够同时利用文本信息与视觉信息判断招聘信息的真实性，适合开展多模态欺诈检测与分类研究。

数据结构与关键特征

数据集的核心数据包括职位描述文本、职位相关元信息、真实性标签以及公司主页截图等多个模态。文本部分可以包含职位名称、公司描述、工作要求、岗位职责等信息，元数据用于补充职位与企业属性，而网页截图则提供企业官网的视觉风格、页面结构和品牌展示等信息。样本可通过 job_id 与对应截图关联，图像路径形式为 images/{fraudulent}/{job_id}.png。这种文本、结构化属性和图像相结合的数据结构，有利于提取单一模态难以发现的欺诈特征。

应用价值与研究方向

该数据集可用于虚假招聘识别、在线招聘平台内容审核、网络欺诈检测以及多模态机器学习研究。研究者可以分别使用 BERT、Transformer 等模型处理招聘文本，利用 CNN、ResNet、Vision Transformer 等模型分析企业主页截图，再通过特征融合或多模态 Transformer 构建联合分类模型。进一步还可研究类别不平衡处理、跨模态特征融合、模型可解释性以及虚假企业网站视觉特征分析，为招聘平台风险预警和智能审核系统提供数据支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-374
文件大小：5.4G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。