Smart-Hiring：面向简历信息抽取与职位匹配的可解释端到端管道
计算与语言
2025-11-05 v1
摘要
招聘过程中常需手动筛选数百份简历，这种工作耗时耗力、容易出错且易受人类偏见影响。本文提出了 Smart-Hiring，一个面向自动从非结构化简历中抽取结构化信息并实现候选人与职位描述语义匹配的自然语言处理（NLP）管道。该系统综合了文档解析、命名实体识别和上下文文本嵌入技术，以捕获技能、经验和资格等信息。通过先进的 NLP 技术，Smart-Hiring 将简历和职位描述编码到共享向量空间，以计算候选人与职位招聘信息之间的相似度得分。该管道模块化且可解释，用户可检查抽取的实体及匹配依据。我们在覆盖多个专业领域的真实世界数据集上开展实验，证明了所提方法的稳健性和可行性。该系统在保持较高解释性和透明度的决策过程的同时，实现了具竞争力的匹配准确率。这一工作为招聘分析提供了可扩展且实用的 NLP 框架，并阐述了面向数据驱动招聘解决方案的偏见缓解、公平感知建模和大规模部署等前景方向。
引用
@article{arxiv.2511.02537,
title = {Smart-Hiring: An Explainable end-to-end Pipeline for CV Information Extraction and Job Matching},
author = {Kenza Khelkhal and Dihia Lanasri},
journal= {arXiv preprint arXiv:2511.02537},
year = {2025}
}