論文の概要: Curriculum Vitae Recommendation Based on Text Mining

• arxiv url: http://arxiv.org/abs/2007.11053v1
• Date: Tue, 21 Jul 2020 19:29:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:22:39.136068
• Title: Curriculum Vitae Recommendation Based on Text Mining
• Title（参考訳）: テキストマイニングに基づくカリキュラムビタレコメンデーション
• Authors: Honorio Apaza Alanoca, Americo A. Rubin de Celis Vidal, and Josimar Edinson Chire Saire
• Abstract要約: 本研究は, CVレコメンデーションのために, 多様なWebサイト上での求人情報やカリキュラムビタエに関する非構造化情報の成長をいかに活用できるか, という課題に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During the last years, the development in diverse areas related to computer science and internet, allowed to generate new alternatives for decision making in the selection of personnel for state and private companies. In order to optimize this selection process, the recommendation systems are the most suitable for working with explicit information related to the likes and dislikes of employers or end users, since this information allows to generate lists of recommendations based on collaboration or similarity of content. Therefore, this research takes as a basis these characteristics contained in the database of curricula and job offers, which correspond to the Peruvian ambit, which highlights the experience, knowledge and skills of each candidate, which are described in textual terms or words. This research focuses on the problem: how we can take advantage from the growth of unstructured information about job offers and curriculum vitae on different websites for CV recommendation. So, we use the techniques from Text Mining and Natural Language Processing. Then, as a relevant technique for the present study, we emphasize the technique frequency of the Term - Inverse Frequency of the documents (TF-IDF), which allows identifying the most relevant CVs in relation to a job offer of website through the average values (TF-IDF). So, the weighted value can be used as a qualification value of the relevant curriculum vitae for the recommendation.
• Abstract（参考訳）: ここ数年、コンピュータ科学とインターネットに関連する様々な分野の発展により、州や民間企業の人材選定における意思決定のための新しい選択肢が生み出された。 この選択プロセスを最適化するために、推薦システムは、協力やコンテンツの類似性に基づいて推薦のリストを生成することができるため、雇用主やエンドユーザの好ましさや嫌悪に関する明示的な情報を扱うのに最も適している。 そこで本研究は,これらの特徴をペルーのアンビット(ambit)に対応するカリキュラムとジョブオファーのデータベースに記載し,それぞれの候補の経験,知識,技能をテキスト的用語や単語で記述した。 本研究は、CVレコメンデーションのために、異なるウェブサイト上での求人情報やカリキュラムビタエに関する非構造化情報の成長から、どのように活用できるかという問題に焦点を当てる。 そこで、テキストマイニングと自然言語処理のテクニックを使います。 次に,本研究の関連技術として,平均値(tf-idf)によるwebサイトのジョブ提供に関連して,最も関連性の高いcvsを識別できる文書の逆周波数(tf-idf)という用語の技術頻度を強調する。 したがって、その重み付け値を、当該推薦の関連カリキュラムvitaeの資格値として使用できる。

関連論文リスト

• A Survey on Data Selection for Language Models [148.300726396877]
  データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。 ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。 広範なデータ選択研究のリソースを持つ組織はほとんどない。
  論文  参考訳（メタデータ） (2024-02-26T18:54:35Z)
• Learning to Retrieve for Job Matching [22.007634436648427]
  本稿では、LinkedInの求人・推薦システムを強化するための学習検索技術の適用について論じる。 確認された雇用データを利用して求職者の求職資格を評価するグラフを構築し、学習したリンクを検索に活用する。 従来の逆インデックスに基づく解に加えて、KNNと項マッチングの両方を効率的にサポートできるon-GPUソリューションを開発した。
  論文  参考訳（メタデータ） (2024-02-21T00:05:25Z)
• JobRecoGPT -- Explainable job recommendations using LLMs [1.6317061277457001]
  大規模言語モデル(LLM)は、テキストベースのデータが利用可能な分野において、異常なパフォーマンスでAI分野を席巻した。 そこで本研究では,求人推薦のための4つのアプローチのパフォーマンスを比較した。
  論文  参考訳（メタデータ） (2023-09-21T06:25:28Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Generative Job Recommendations with Large Language Model [32.99532175346021]
  GIRL(GeneratIve job Recommendation based on Large Language model)は、LLM(Large Language Models)分野の最近の進歩に触発された新しいアプローチである。 我々は、求職者のCV(Curriculum Vitae)に基づいて、適切なジョブ記述(JD)を作成する際に、LLMベースのジェネレータを指導するために、スーパーバイザードファインタニング(SFT)戦略を採用する。 特に、GIRLは求職者中心の生成モデルとして機能し、候補セットを必要とせずに求職提案を提供する。
  論文  参考訳（メタデータ） (2023-07-05T09:58:08Z)
• Turtle Score -- Similarity Based Developer Analyzer [0.0]
  この研究は、会社に完全に適合する候補を見つけるために、説得力のある結果を理解し、分析し、自動生成することを目的としている。 データは、IT領域で働く各従業員に対して、パフォーマンス指標に焦点を当てて検査され、収集されます。 同じような性格の人と働くと、特定の労働者の効率性と能力が高くなることが証明されています。
  論文  参考訳（メタデータ） (2022-05-10T13:22:11Z)
• JobBERT: Understanding Job Titles through Skills [12.569546741576515]
  ジョブタイトルは、今日の人事(人事)プロセスの基盤を形成します。 ジョブタイトルはコンパクトで便利で、簡単に利用できるデータソースです。 本稿では,空き地から抽出したスキルラベルからの共起情報を事前学習した言語モデルに付加することにより,求職者のニューラル表現モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-20T15:00:10Z)
• Reasoning over Vision and Language: Exploring the Benefits of Supplemental Knowledge [59.87823082513752]
  本稿では,汎用知識基盤(KB)から視覚言語変換器への知識の注入について検討する。 我々は複数のタスクやベンチマークに対する様々なkbの関連性を実証的に研究する。 この技術はモデルに依存しず、最小限の計算オーバーヘッドで任意の視覚言語変換器の適用可能性を拡張することができる。
  論文  参考訳（メタデータ） (2021-01-15T08:37:55Z)
• Curriculum Manager for Source Selection in Multi-Source Domain Adaptation [65.22251010276652]
  CMSS(Curriculum Manager for Source Selection)と呼ばれる,ソースサンプルの動的カリキュラムを学習する逆エージェントを提案する。 CMSSはドメインラベルの知識を一切必要としないが、よく知られた4つのベンチマークの他の手法よりもかなり優れている。
  論文  参考訳（メタデータ） (2020-07-02T17:15:01Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。