Механизм обработки резюме, использующий многокритериальное оценивание и иерархические классифицирующие деревья


https://doi.org/10.21122/2309-4923-2021-2-34-38

Полный текст:


Аннотация

В статье рассматривается задача оптимального выбора атрибутов при отборе кандидатов на основании их резюме в автоматическом режиме. Описываемый подход к решению основан на объединении мультикритериального выбора (оценки), используемого в системах принятия решений, и технологии иерархических классифицирующих деревьев, что позволяет реализовать механизм селекции без необходимости собирать реальные данные кандидатов и выполнять на них обучение системы. Вместо этого данные генерируются на основе техники полнофакторного эксперимента, при этом количество генерируемых вариантов сравнительно невелико для систем машинной обработки. Сгенерированные данные используются для построения последовательности классифицирующих деревьев  и  определения  минимального  множества  атрибутов  заявителей,  используемых  для  итоговой  оценки о принятии на работу. Описанный в статье механизм обработки резюме является достаточно гибким и может быть использован также в условиях неполных и нечетких данных заявителей.


Об авторах

О. B. Герман
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Минск


Ю. О. Герман
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Минск


С. Наср
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Минск


Список литературы

1. Sneha, K. Automated Resume Extraction and candidate Selection System/K. Sneha, P. Giri // International Journal of Research in Engineering and Technology (IJRET). 2014., vol. 3, issue 1, pp. 206–208.

2. Taleo. Applicant tracking system. [Electronic resource]. – Access mode: https://www.applicanttrackingsystems.net/oracle-taleo/. Access date: 11.02.2021.

3. GreenHouse ATS: what job-seekers need to know. [Electronic resource]. –Access mode: https://www.jobscan.co/blog/greenhouse-ats-what-job-seekers-need-to-know/. – Access date: 11.02.2021.

4. Tzeng, G.-H. Multipple Attribute Decision Making: Methods and Applications / G.-H. Tzeng, J. J. Huang // Chapman and Hall. 2011. vol. 166., 349 p.

5. Sudrajat, R. Analysis of data mining classification by comparison of C4.5 and ID algorithms / R. Sudrajat, I. Irianingsih, D. Krisnawan // IOP Conference Series: Materials and Engineering. 2017. vol. 166. pp. 12–31.

6. German, O. V. New method for optimal feature set reduction / O.V. German, S. Nasr // Informatics and automation. SPIRAS Proceedings (St. Petersburg, Russia). 2020. vol. 19, № 6. pp. 1198–1221.

7. Saaty T. L. Decision making with the analytic Network Process / T.L. Saaty, L. G. Vargas // Springer. 2013. – 370 p.

8. Urbanovicz R. Relief-based feature selection: introduction and review / R. J. Urbanovicz, V. L. Cava et al. // Journal of biomedical informatics. 2018., vol. 85, pp. 189–203.

9. Vens, C. Decision trees for hierarchical multi-label classification / C. Vens, J. Stryif, L. Shietgat et al. // Machine Learning. 2008. vol. 73., № 2. pp. 185–214.

10. German J. O. One version of the group resolution principle for discrete optimization. Proc. of Intern. conf. Information Technologies and Systems (ITS) 2020. Minsk, BSUIR, 2020, pp. 165–167.

11. Capraro, A. A heuristic method for the set covering problem / A. Caparo, M. Fischetti // Operations Research. 2000. vol. 47., № 5.


Дополнительные файлы

Для цитирования: Герман О.B., Герман Ю.О., Наср С. Механизм обработки резюме, использующий многокритериальное оценивание и иерархические классифицирующие деревья. «Системный анализ и прикладная информатика». 2021;(2):34-38. https://doi.org/10.21122/2309-4923-2021-2-34-38

For citation: German O.V., German J.O., Nasr S. A selection mechanism using multi-criteria evaluation and hierarhical classifying tree for resume data processing. «System analysis and applied information science». 2021;(2):34-38. https://doi.org/10.21122/2309-4923-2021-2-34-38

Просмотров: 36

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)