Исследование возможности применения методов машинного обучения к процессу подбора персонала

Большинство бизнес-процессов в большинстве компаний оцифрованы, в том числе процессы, связанные с управлением трудовыми ресурсами. В основе систем HR Recruitment находятся системы Job Recommender Systems, которые имеют свои особенности, что обуславливает сложность их реализации в сравнении с другими Recommender Systems. Существует 3 вида реализации Job Recommender Systems с точки зрения объект-субъект. В данной работе я сосредоточился на 2 виде: кандидат – объект, вакансия – субъект. Также рассмотрен подход Content Based Recommendations. Предмет рассмотрения этой работы имеет несколько особенностей: 1. В данной работе рассматриваются полу структурированные данные, которые могут быть таковыми изначально, либо стать полу структурированными в результате обработки (парсинга) неструктурированных источников. Такое часто имеет место в реальности, так как и при публикации вакансии, и при подаче резюме имеет место человеческий фактор: понятия, описанные в определённых разделах могут в какой-то мере (вплоть до 100%) не соответствовать предполагаемому назначению этого раздела. В итоге нету чёткого соответствия между разделами вакансии и резюме, и мы имеем отношения многие ко многим, что сложнее в обработке чем отношения один к одному. Этот вариант будет рассмотрен в данной работе. 2. В большинстве работ рассматривается задача построения рекомендаций из полного доступного к анализу перечня кандидатов, без учёта реальной заинтересованности этих кандидатов. Однако в реальности даже предсказанные как заинтересованные кандидаты могут быть не заинтересованы / не доступны для этой вакансии по каким-то субъективным и неизвестным для Job Recommender System причинам. В данной работе рассматриваются только те кандидаты, которые явно откликнулись на публикацию вакансии. Это накладывает ограничения – и обучение, и последующий выбор должны производиться на ограниченных наборах кандидатов. Один из вариантов решения проблемы – выведение относительных признаков. 3. Признаки могут быть комплексными. Один кандидат может иметь краткосрочный релевантный на 100% опыт, и долгосрочный 100% нерелевантный, а другой кандидат – долгосрочный 70% релевантный. В любом случае приходится как-то агрегировать комплексные признаки.