ResumeAtlas：使用大规模数据集和大语言模型重访简历分类
计算与语言
2024-07-16 v2 人工智能
计算机与社会
机器学习
摘要
随着在线招聘平台的广泛采用和 AI 技术的普及，高效的简历分类方法已成为关键需求。然而，小型数据集、缺乏标准化简历模板以及隐私问题仍阻碍了现有分类模型的准确性和有效性。为此，我们提出了全面的方法来进行简历分类。我们收集了来自多样来源的 13,389 份简历数据集，并采用大语言模型 (LLMs) 如 BERT 和 Gemma1.1 2B 进行分类。我们的结果显示，与传统机器学习方法相比，我们的最佳模型在 top-1 准确率达到 92%，top-5 准确率达到 97.5%。这些发现凸显了数据质量和先进模型架构在提升简历分类系统准确性和鲁棒性方面的重要作用，从而推动了在线招聘实践的发展。
引用
@article{arxiv.2406.18125,
title = {ResumeAtlas: Revisiting Resume Classification with Large-Scale Datasets and Large Language Models},
author = {Ahmed Heakl and Youssef Mohamed and Noran Mohamed and Aly Elsharkawy and Ahmed Zaky},
journal= {arXiv preprint arXiv:2406.18125},
year = {2024}
}
备注
8 pages, 6 figures, 1 table, 6th International Conference on AI in Computational Linguistics