ІМПЛЕМЕНТАЦІЯ СИСТЕМИ РЕКОМЕНДАЦІЙ НА ОСНОВІ NLP У ВАКАНСІЙНОМУ АНАЛІЗІ

Автор(и)

DOI:

https://doi.org/10.32782/IT/2024-2-19

Ключові слова:

ситема рекомендацій, вакансійний аналіз, оптимізація пошуку, обробка природньої мови

Анотація

Впровадження системи рекомендацій на основі NLP у вакансійному аналізі є суттєвим прогресом. Дана технологія надає персоналізовані рекомендації, враховуючи динаміку ринку, що полегшує процес пошуку роботи, робить його ефективним для кожного користувача Метою роботи є розробка та підготовка до практичного впровадження системи рекомендацій на основі методів обробки природної мови (NLP) для аналізу вакансій та надання релевантних пропозицій роботи користувачам. Головною задачею є підвищення ефективності пошуку роботи та покращення відповідності між навичками та вимогами кандидатів і роботодавців. Методологія полягає у комплексному підході до створення системи рекомендацій вакансій, який поєднує методи NLP з традиційними алгоритмами колаборативної та контентної фільтрації. На етапі підготовки проводиться збір та очищення даних про вакансії та резюме кандидатів. Далі застосовуються методи NLP, такі як токенізація, видобування ознак, розпізнавання іменованих сутностей та побудова тематичних моделей для виявлення ключових навичок, вимог та контекстної інформації. Ці дані використовуються для створення векторних представлень вакансій та резюме, які слугують основою для алгоритмів фільтрації. Запропонована гібридна система рекомендацій об’єднує результати контентноорієнтованої та колаборативної фільтрацій для надання персоналізованих рекомендацій. Наукова новизна. Запропоновано комплексний підхід до вакансійного аналізу, який поєднує методи обробки природної мови, машинного навчання та рекомендаційних систем. На відміну від традиційних пошукових систем, ця система надає персоналізовані рекомендації кандидатам на основі змістовного аналізу їх профілів та вакансій. Досягається підвищення ефективності підбору персоналу за рахунок автоматизації процесу співставлення кандидатів і вакансій. Висновки. Результати проведених експериментальних досліджень продемонстрували перспективність запропонованого підходу до створення системи рекомендацій вакансій на основі інтеграції методів обробки природної мови (NLP) та традиційних алгоритмів фільтрації. отримані результати демонструють її значний потенціал для масштабування системи для забезпечення її ефективної роботи в умовах реального використання.

Посилання

D. Mhamdi, S. Ounacer, M. Msalek and all. Job Recommendation Based on Recurrent Neural Network Approach. URL: https://www.sciencedirect.com/science/article/pii/S1877050923006804

Sisay Chala, Scott Harrison, Madjid Fathi and all. Knowledge extraction from online vacancies for effective job matching, ІЕЕЕ.org : веб-сайт URL: https://ieeexplore.ieee.org/xpl/conhome/7938141/proceeding

Uday Jain, Daksh Jain, Aditya Raj Varshney. A Deep Learning Approach to Job Recommendation Analysis with NLP. URL: https://ijisrt.com/assets/upload/files/IJISRT23NOV818.pdf

Fei Chen, Xinghua Zhu, Xiaohong Zhu, Jinghan Feng, Vacancy Information Classification using Latent Dirichlet Allocation, 2019, Procedia Computer Science, Volume 162 (381–390)

Gerard Deepak, Shivam Sawarn and Sheeba Priyadarshini, An Approach Towards Job Recommendation Hybridizing Deep Learning and Semantic Intelligence. URL: https://ceur-ws.org/Vol-3335/DLQ_Paper2.pdf

Raj Popat, Building a Job Recommendation System using Neural Networks, Medium: веб-сайт. URL: https://medium.com/@d22it187/building-a-job-recommendation-system-using-neural-networks-70aa9eafc7ba(дата звернення 01.05.2024)

Bo Long, Jieping Ye and all, Deep Natural Language Processing for Search and Recommendation? 2020, 43rd International ACM SIGIR Conference on Research and Development in Information RetrievalJuly (2461–2463). URL: https://doi.org/10.1145/3397271.3401465

Пономаренко Марія, Ольга Прядко., РОЗРОБКА СИСТЕМИ ДЛЯ ВИДОБУВАННЯ ІНФОРМАЦІЇ З ТЕКСТУ., 2023, Організаційний комітет (104).

Безродний, В. В., Турута О.П, Дослідження методів виявлення синтетичних текстів, 2023 URL: https://openarchive.nure.ua/server/api/core/bitstreams/3b515367-3f31-46ee-8758-cfba234c7ae1/content

Qinbao Li, Xiwen Liu, Rosa H.V. Leiras, Raj Bukkapatnam, Job Description Analysis via Topic Modeling Proceedings, 2021, IISE Annual Conference (205)

##submission.downloads##

Опубліковано

2024-07-31