NLP-basiertes bi-direktionales Empfehlungssystem: Empfehlungen von Jobs an Arbeitssuchende und Lebensläufen an Recruiter

Seit mehr als zehn Jahren bieten Online-Jobbörsen ihre Dienstleistungen sowohl Arbeitssuchenden als auch Arbeitgebern an, die potenzielle Kandidaten einstellen möchten. Die angebotenen Dienstleistungen basieren im Allgemeinen auf traditionellen Techniken der Informationsbeschaffung, die für Arbeitssuchende und Arbeitgeber möglicherweise nicht geeignet sind. Der Grund dafür ist, dass die Anzahl der produzierten Ergebnisse für Arbeitssuchende enorm sein kann. Daher sind sie gezwungen, Zeit mit dem Lesen und Überprüfen ihrer Suchkriterien zu verbringen. Umgekehrt ist die Rekrutierung ein entscheidender Prozess für jede Organisation. Potenzielle Kandidaten zu identifizieren und sie mit Stellenangeboten abzugleichen, erfordert ein breites Spektrum an Fachwissen und Kenntnisse. Dieser Artikel schlägt eine reziproke Empfehlung basierend auf bi-direktionaler Korrespondenz als Möglichkeit vor, sowohl die Arbeit der Recruiter als auch der Arbeitssuchenden zu unterstützen. Recruiter können die am besten geeigneten Kandidaten für jede Stellenposition in ihren Stellenangeboten finden, und Arbeitssuchende können die am besten passenden Jobs finden, um ihre Lebensläufe zu vereinbaren. Wir zeigen, wie maschinelles Lernen Probleme in der Verarbeitung natürlicher Sprache von Textinhalten und Ähnlichkeitswerten je nach Stellenangeboten in großen saudi-arabischen Städten, die von Indeed gesammelt wurden, lösen kann. Für die bi-direktionale Anpassung wurde eine Ähnlichkeitsberechnung verwendet, die auf der Integration von expliziten und impliziten Jobinformationen von beiden Seiten (Recruitern und Arbeitssuchenden) basiert. Das vorgeschlagene System wird anhand eines Datensatzes von Lebensläufen/Stellenangeboten bewertet. Die Leistung der generierten Empfehlungen wird anhand von Entscheidungsunterstützungsmaßnahmen bewertet. Die erzielten Ergebnisse bestätigen, dass das vorgeschlagene System nicht nur das Problem der bi-direktionalen Empfehlung lösen kann, sondern auch die Vorhersagegenauigkeit verbessert.