职位招聘分类器：基于神经网络与过采样方法
信息检索
2022-07-14 v1 机器学习
摘要
政策与研究均受益于对个体工作的更好理解。然而，随着大规模行政记录日益被用于表征劳动力市场活动，将有必要采用新的自动方法对职位进行分类。我们利用从墨西哥最大招聘银行 Bumeran（https://www.bumeran.com.mx/，最后访问：2022-01-19）收集的数据集，开发了一个自动职位招聘分类器。我们应用了支持向量机、朴素贝叶斯、逻辑回归、随机森林以及深度学习长短期记忆网络（LSTM）等机器学习算法。借助这些算法，我们训练了多类模型，将职位招聘划分至 23 个类别（非均匀分布）之一：销售、行政、呼叫中心、技术、手工业、人力资源、物流、营销、健康、餐饮、金融、秘书、生产、工程、教育、设计、法律、建筑、保险、传媒、管理、外贸与采矿。我们使用 SMOTE、Geometric-SMOTE 与 ADASYN 合成过采样算法来处理类别不平衡问题。所提出的卷积神经网络架构在应用 Geometric-SMOTE 算法时取得了最佳结果。
引用
@article{arxiv.2207.06223,
title = {Job Offers Classifier using Neural Networks and Oversampling Methods},
author = {Germán Ortiz and Gemma Bel Enguix and Helena Gómez-Adorno and Iqra Ameer and Grigori Sidorov},
journal= {arXiv preprint arXiv:2207.06223},
year = {2022}
}
备注
13 pages, 2 figures, 8th World Conference On Soft Computing