当 LLM 遇见模糊 TOPSIS：通过自动化轮廓分析进行人员选招
人工智能
2026-02-02 v1 软件工程
摘要
在高度竞争的就业环境中，合适人才的选招对组织成功至关重要。本研究提出了一个自动化人员选招系统，利用先进的自然语言处理 (NLP) 方法来评估和排序软件工程申请人。创建了独特的数据集，通过聚合 LinkedIn 轮廓，包括教育、工作经历、技能和自我介绍等关键特征，进一步加入专家评估以作为标准。研究将大语言模型 (LLM) 与多准则决策理论 (MCDM) 结合开发 LLM-TOPSIS 框架。在此背景下，我们利用增强模糊逻辑的 TOPSIS 方法来解决人类评估中固有的模糊性和主观性。我们采用三角模糊数 (TFN) 描述准则权重和分数，从而解决候选人评估中常见的模糊问题。对于候选人排序，微调集成了模糊 TOPSIS 方法的 DistilRoBERTa 模型，实现的排名与人类专家评估高度一致，Experience 属性和 Overall 属性的准确率可达 91%。本研究强调了 NLP 驱动框架在提升招聘程序可扩展性、一致性并最小化偏见方面的潜力。未来工作将集中于扩大数据集、增强模型可解释性以及在实际招聘场景中进行验证，以更好地评估其实际应用性。本研究突显了将 NLP 与模糊决策方法结合用于人员选招的独特潜力，为解决招聘难题提供了可扩展且无偏见的解决方案。
引用
@article{arxiv.2601.22433,
title = {When LLM meets Fuzzy-TOPSIS for Personnel Selection through Automated Profile Analysis},
author = {Shahria Hoque and Ahmed Akib Jawad Karim and Md. Golam Rabiul Alam and Nirjhar Gope},
journal= {arXiv preprint arXiv:2601.22433},
year = {2026}
}
备注
10 pages, 8 figures. This paper has been peer-reviewed and published in IEEE Access. The arXiv version corresponds to the accepted author manuscript (AAM)