基于潜在狄利克雷分配与自然语言处理的简历评估以实现有效候选人筛选
计算与语言
2023-08-01 v1 机器学习
摘要
在本文中，我们提出了一种利用潜在狄利克雷分配（LDA）和 SpaCy 实体检测进行简历评分的方法。所提方法首先使用 SpaCy 的命名实体识别（NER）从简历中提取教育、经验和技能等相关实体。随后，LDA 模型利用这些实体，通过为每个实体分配主题概率来对简历进行评分。此外，我们使用 SpaCy 的 NER 对实体检测进行了详细分析，并报告了其评估指标。利用 LDA，我们提出的系统将简历分解为潜在主题并提取有意义的语义表示。为使简历评分更以内容为导向而非以结构和关键词匹配为导向，我们的模型在仅考虑技能的情况下达到了 77% 的准确率，在考虑所有属性（如大学名称、工作经验、学位和技能）的情况下总体准确率达到 82%。
引用
@article{arxiv.2307.15752,
title = {Resume Evaluation through Latent Dirichlet Allocation and Natural Language Processing for Effective Candidate Selection},
author = {Vidhita Jagwani and Smit Meghani and Krishna Pai and Sudhir Dhage},
journal= {arXiv preprint arXiv:2307.15752},
year = {2023}
}
备注
5 pages