Исследование рынка труда с применением современных методов анализа данных

В данной работе была представлена рекомендательная система для рынка труда, которая подбирает наиболее подходящие вакансии для пользователя, на основе информации, извлеченной из его резюме.
В процессе проведения исследования предметной области, были изучены существующие стратегии решения подобной задачи и выявлены критические недостатки и пробелы в альтернативных научных исследованиях. Помимо этого, в предлагаемом исследовании представлен краткий обзор современных подходов к построению рекомендательных систем, а также указаны достоинства и недостатки для каждого из них. Исходя из полученных знаний на этапе проектирования был сделан вывод использовать метод фильтрации на основе содержимого (CBRs) для построения рекомендательной системы.
Поскольку для проверки работы программного комплекса требуются тестовые данные, то были рассмотрены несколько вариантов источника таких данных. В результате, на основе ряда критериев в качестве ресурса с тестовыми данными (вакансии и резюме) был выбран сайт по онлайн-рекрутингу hh.ru.
Так как полученные из источника данные имеют слабоструктурированную форму, в представленной работе была решена задача приведения их в вид, удобный для последующего анализа с помощью программных средств. В итоге, каждая скачанная вакансия из набора, а также резюме пользователя, прошли процедуру первичной обработки и были преобразованы в векторное представление.
Учитывая приятое решение относительно формата представления данных, а именно векторное представление документов, возникла задача уменьшения размерности вектора. Для этой цели в приведенной работе введен дополнительный этап – создание словаря ключевых слов.
Один из серьезных изъянов существующих рекомендательных система для области рынка труда, это проблема определения терминов, имеющих родственный смысл, но отличающихся своим написанием. Для решения этой задачи была предложена и реализована подсистема онтологии. Таким образом, после того, как был получен словарь из наиболее значимых слов для каждой из профессиональных отраслей, он был расширен родственными терминами с помощью разработанной подсистемы онтологии.
При построении рекомендации не менее важным является фактор быстродействия системы в целом. Принимая во внимание количество собранных вакансий и частоту обращения к ним на этапе генерации рекомендации, было принято решение использовать в качестве хранилища in-memory базу данных, тем самым уменьшив время, требуемое для получения атрибутов вакансии при обращении к базе данных.
Основываясь на изученной литературе, для построения ранжированного списка подходящих пользователю вакансий была предложена наиболее эффективная мера оценки сходства документов.
В результате для функционирования предлагаемой рекомендательной системы были спроектированы и реализованы следующие программные компоненты:
 Система сбора вакансий;
 Система обработки вакансий;
 Система обработки резюме;
 Система построения онтологии;
 Система генерации рекомендаций;
Дальнейшая работа
Несмотря на то, что предложенная стратегия построения рекомендательной системы улучшает качество результатов, несколько вопросов, выходящие за рамки этого исследования, остаются нерешенными и требуют дальнейшего изучения.
В данной работе было представлено лишь ядро рекомендательной системы, в то время как конечный пользователь привык работать с удобным графическим интерфейсом. Поэтому для удобства использования предлагаемый программный комплекс необходимо снабдить графическим интерфейсом пользователя. Это может быть мобильное приложение, приложение для рабочего стола, интегрированный виджет или полноценный сайт.
Более того, в настоящей реализации не обрабатывается образование соискателя работы, что, возможно, могло бы улучшить качество рекомендации.
В дополнение к этому, стоит отметить, что рекомендательные системы по-прежнему остаются областью с широким простором для исследования. Следует ожидать того, что в обозримом будущем могут появиться новые алгоритмы и подходы для выдачи рекомендаций пользователю. По этой причине, область исследования рекомендательных систем следует рассматривать как незавершенную задачу, решение которой может быть улучшено с появлением новых технологий.


Купить