基于文本挖掘的简历推荐
计算与语言
2020-07-23 v1 信息检索
摘要
在过去几年中，计算机科学与互联网相关多样领域的发展，为国家和私营公司人员选拔的决策生成了新的替代方案。为优化该选拔过程，推荐系统最适于处理与雇主或终端用户偏好相关的显式信息，因为此类信息可基于协作或内容相似性生成推荐列表。因此，本研究以简历与招聘信息数据库中所包含的这些特征为基础，其对应于秘鲁范围，突出了每位候选人的经验、知识与技能，这些均以文本术语或词语描述。本研究聚焦于如下问题：我们如何利用不同网站上关于招聘信息与简历的非结构化信息增长来进行简历推荐。为此，我们使用文本挖掘与自然语言处理技术。然后，作为本研究的相关技术，我们强调词频-逆文档频率（TF-IDF）技术，其可通过平均值（TF-IDF）识别网站上相对于某招聘信息最相关的简历。因此，该加权值可用作推荐中相关简历的资格评价值。
引用
@article{arxiv.2007.11053,
title = {Curriculum Vitae Recommendation Based on Text Mining},
author = {Honorio Apaza Alanoca and Americo A. Rubin de Celis Vidal and Josimar Edinson Chire Saire},
journal= {arXiv preprint arXiv:2007.11053},
year = {2020}
}