Jul, 2023

通过潜在狄利克雷分配和自然语言处理进行简历评估以实现有效的候选人选择

PDF
TL;DR我们提出了一种使用潜在狄利克雷分配（LDA）和 SpaCy 中的实体检测进行简历评分的方法。该方法首先使用 SpaCy 的命名实体识别（NER）从简历中提取相关实体，例如教育、经验和技能。然后，LDA 模型使用这些实体为简历评分，为每个实体分配主题概率。此外，我们对 SpaCy 的 NER 进行了详细的实体检测分析，并报告了其评估指标。使用 LDA，我们的系统将简历分解为潜在主题并提取有意义的语义表示。为了更加注重简历内容而非结构和关键词匹配，我们的模型在仅考虑技能时的准确率达到了 77％，在考虑所有属性时的整体准确率达到了 82％（如大学名称、工作经验、学位和技能）。
resume ratinglatent dirichlet allocationentity detectionspacyevaluation metrics
发现论文，激发创造
  • 简历中的命名实体识别

    本文介绍了一个基于深度学习的半自动化命名实体识别系统，重点关注 IT 领域的简历识别。通过注释五个不同 IT 领域的员工简历，使用六个基于 transformer 的预训练模型，实现了可以识别八种不同实体类型的系统，在测试集上最佳的表现是 RoBERTa 模型。

    Jun, 2023

  • ResumeAtlas：基于大规模数据集和大型语言模型的简历分类再探索

    通过使用大规模数据集和大型语言模型，在线招聘平台的依赖性、简历分类的准确性和网络招聘实践的发展方面，我们展示了一种全面的简历分类方法，取得了显著的改进和进步。

    Jun, 2024

  • 利用潜在狄利克雷分配进行金融新闻中有关信息、预测和预测的自动检测

    通过组合多段主题分割和共指消解分离作者表达模式、使用 LDA 检测相关文本以及分析其中的预测和预言的话语暂时性，我们提出了一个新颖的自然语言处理系统，以在非结构化文本来源中帮助投资者检测相关的金融事件。

    Mar, 2024

  • 一种高再现性和高准确度的自动化主题分类方法

    通过比较 LDA 和社区检测算法的优缺点，该研究提出一种用于主题发现的新算法，可在英文维基百科大规模文章中展现层次结构，提高文本分析系统的可靠性。

    Feb, 2014

  • 通过后光学字符识别文本处理提取简历信息

    本研究旨在使用目标检测和自然语言处理技术，通过分类预处理文档并使用 DistilBERT 等模型进行信息提取，比较模型的 F1 分数变化，据此提出了一种调用预训练模型完成简历信息提取的方法。

    Jun, 2023

  • LLM Agents 在招聘中的应用：一种用于简历筛选的创新框架

    这篇论文介绍了一种基于大型语言模型的代理框架，用于简历筛选，旨在提高招聘过程的效率和时间管理。通过实验，结果显示我们的自动简历筛选框架比传统手动方法快 11 倍，经过微调，我们的模型在简历分类和摘要及打分阶段的表现超过了 GPT-3.5 模型的基准性能，同时对 LLM 代理在最终录取阶段的决策效力进行的分析也进一步凸显了 LLM 代理在改变简历筛选过程中的潜力。

    Jan, 2024

  • Topic2Vec: 学习主题的分布式表示

    本文提出 Topic2Vec 方法，通过在语义向量空间中学习话题表示来替代概率的 LDA 表示，实验证明该方法取得了有意义的结果。

    Jun, 2015

  • 深度学习自动简历筛选中的国籍歧视

    本研究对深度学习方法在自动化简历筛选中的运用进行了探讨，发现由于深度学习模型基于历史数据学习概率分布，因此其所学的词向量存在刻板印象，可能会导致偏向或偏见，需要采取偏差缓解方法。

    Jul, 2023

  • 使用深度神经网络从 LDA 模型中学习

    本研究提出了一种使用深度神经网络预测 LDA 模型中潜在主题分布的方法，借鉴了迁移学习的思想，实现了在大大降低计算时间的同时取得较好的分类效果。

    Aug, 2015

  • 英文简历语料库的构建与预训练语言模型测试

    将简历信息提取任务转化为句子分类任务，提高分类规则创造更大和更细粒度分类数据集，测试预训练语言模型在语料库的表现，并探索训练样本数量与正确率之间的关系。通过改善注释规则和增加数据集样本大小，改善了原始简历数据集的准确性。

    Aug, 2022