Geri Dön

Resume recommendation using RNN classification and cosine similarity

RNN sınıflandırması ve kosinüs benzerliği kullanarak öneriye devam etme

  1. Tez No: 831281
  2. Yazar: ISSA DIALLO
  3. Danışmanlar: DOÇ. DR. ILHAM HUSEYINOV
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Özgeçmiş sınıflandırması, tavsiye sistemleri, RNN, NLP, kosinsüs benzerliği, TF-IDF, Resume classification, recommender systems, RNN, NLP, cosine similarity, TF-IDF, Transformer
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 47

Özet

İnsan işe alma ve işe alma sürecinde zamandan ve kaynaklardan tasarruf etmenin bir yolu, açık iş pozisyonlarını İnternet'te yayınlamaktır. Bu, daha geniş bir erişim sağlar ve daha büyük bir potansiyel aday havuzunu çeker. Bununla birlikte, alınan başvuruların hacmi, işe alım yöneticileri ve şirketler için en uygun adayı verimli bir şekilde belirleme konusunda genellikle zorluklar yaratır. Bu sorunu çözmek için derin öğrenme algoritmaları ve tavsiye sistemleri gibi akıllı araçlar kullanılabilir. Bu ileri teknolojiler, işe alım sürecini hızlandırabilir ve belirli bir iş için doğru adayın belirlenmesine yardımcı olabilir. Bu yazıda, bu sorunu çözmek için iki katlı bir algoritmik yaklaşım öneriyoruz. İlk olarak, özgeçmiş sınıflandırması için bir Tekrarlayan Sinir Ağı (RNN) sınıflandırıcısı oluşturmanızı öneririz. RNN'ler, dizi verileri için özel olarak tasarlanmış bir tür sinir ağıdır ve bu, onları özgeçmişlerden ilgili bilgileri analiz etmek ve çıkarmak için çok uygun hale getirir. Bu sınıflandırıcı, özgeçmişleri belirli bir işe uygunluklarına göre kategorize ederek ilk tarama sürecini otomatikleştirmeye yardımcı olacaktır. İkinci olarak, özgeçmiş öneri sistemi oluşturmak için kosinüs benzerliğini kullanmayı öneriyoruz. Bir işin gereklilikleri ile bir adayın özgeçmişinin içeriği arasındaki benzerliği hesaplayarak, en uygun adayları daha verimli bir şekilde belirleyebiliriz. Bu öneri sistemi, işe alma yöneticilerine iş gereklilikleriyle yakından eşleşen adayları kısa listeye alma konusunda yardımcı olur. Önerilen RNN sınıflandırıcımızın performansını değerlendirmek için doğruluk, kesinlik, hatırlama, F-skoru ve karışıklık matrisi dahil olmak üzere çeşitli kriterleri değerlendiriyoruz. Deneylerimiz, RNN sınıflandırıcısının aynı veri kümesi üzerinde test edildiğinde Gaussian Naive Bayes (GNB), Lineer Destek Vektör Makineleri (SVM) ve Random Forest (RF) gibi diğer sınıflandırıcılardan daha iyi performans gösterdiğini göstermektedir. Araştırmamızda sahip olduğumuz aynı RNN, aynı veri kümesinde BERT ile aynı performansı üretti.

Özet (Çeviri)

One way to save time and resources in the human recruitment and hiring process is to post open job positions on the Internet. This allows for a wider reach and attracts a larger pool of potential candidates. However, the sheer volume of applications received often creates challenges for hiring managers and companies to identify the most suitable candidate efficiently. To address this issue, intelligent tools can be employed, such as deep learning algorithms and recommender systems. These advanced technologies can expedite the hiring process and aid in the identification of the right candidate for a particular job. In this paper, we propose a two-fold algorithmic approach to tackle this problem. Firstly, we suggest building a Recurrent Neural Network (RNN) classifier for resume classification. RNNs are a type of neural network specifically designed for sequence data, making them well-suited for analyzing and extracting relevant information from resumes. This classifier will help automate the initial screening process by categorizing resumes based on their suitability for a given job. Secondly, we propose using cosine similarity to create a resume recommendation system. By calculating the similarity between the requirements of a job and the content of a candidate's resume, we can identify the best fit candidates more efficiently. This recommendation system assists hiring managers in shortlisting candidates who closely match the job requirements. To evaluate the performance of our proposed RNN classifier, we assess several criteria, including accuracy, precision, recall, F-score, and the confusion matrix. Our experiments demonstrate that the RNN classifier outperforms other classifiers, such as Gaussian Naive Bayes (GNB), Linear Support Vector Machines (SVM), and Random Forest (RF), when tested on the same dataset. The same RNN that we have in our research produced the same performance with BERT on the same dataset.

Benzer Tezler

  1. Gemi inşaatında kullanılan çelik-alüminyum birleşim parçasının mekanik özelliklerine sıcaklık etkisinin incelenmesi

    Investigation of temperature effect on mechanical properties of steel-aluminium transition joint used in ship construction

    MUSTAFA OLGUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Gemi MühendisliğiYıldız Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL PALACI

  2. Optiksel telsiz için iletişim güvenliği ve gizlilik tekniklerinin analizi ve değerlendirilmesi

    Analysis and evaluation of communication security and privacy technigues for optical wireless

    MUHARREM AYYILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. AHMET AKBULUT

  3. Günümüz Türk figüratif resminin geleneksel sanatla ilişkisi

    Relation of figurative painting in contemporary Turkish traditional art

    GAYE HİSARLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Güzel SanatlarMersin Üniversitesi

    Resim Ana Sanat Dalı

    PROF. NURSEREN TOR

  4. Okul öncesi eğitimde STEM yaklaşımının uygulanabilirliği (Eylem araştırması)

    The applicability of STEM approach in preschool education (Action research)

    MEHMET BAŞARAN

    Doktora

    Türkçe

    Türkçe

    2018

    Eğitim ve ÖğretimGaziantep Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ERDAL BAY

  5. Sanat malzemesi olarak denimin iki ve çok boyutlu deneysel tasarımlarda kullanımı

    Use of denim as an art material in two and multi-dimensional experimental designs

    HANDE BİLVAR

    Sanatta Yeterlik

    Türkçe

    Türkçe

    2021

    El SanatlarıÇukurova Üniversitesi

    Sanat ve Tasarım Ana Sanat Dalı

    PROF. DR. FATMA ENGİN ALPAT