Алгоритм поиска кадров и программ повышения квалификации из внешних источников: применение нейронных сетей

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассматривается проблема поиска кадров из внешних источников и оценки соответствия кандидата должности, особенно в контексте государственной гражданской службы, что может быть эффективно проведено через анализ резюме претендентов с помощью подхода на основе применения современных моделей искусственных нейронных сетей, не требующего переобучения. Целью исследования является проверка гипотезы о возможности создания универсального инструмента сопоставления описаний вакансий, резюме специалистов и курсов повышения квалификации, не требующего дополнительного переобучения. Основная идея представленной методологии заключается в получении векторных представлений таких документов и дальнейшем их сопоставлении с помощью метрических алгоритмов. В статье также представлена возможность поиска программ повышения квалификации из открытых источников для действующих работников государственной гражданской службы с целью повышения компетентностно-квалификационного уровня работников и продвижения по карьерной лестнице. Полученные результаты подтверждают эффективность применения технологий NLP в задаче подбора вакансий и оценки кандидатов. Анализ большого количества резюме и определение соответствия представлена в виде задачи бинарной классификации, в связи с чем проведен анализ нескольких методов для решения данной задачи и выбран тот, который представил лучший результат. Таким образом, показано, что для построения интеллектуальных систем в HR-сфере эффективно применение методов искусственного интеллекта.

Об авторах

Мариам Валериковна Мирзоян

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: mvmirzoyan@fa.ru
ORCID iD: 0009-0005-5979-1518
SPIN-код: 9459-6676

кандидат экономических наук, старший преподаватель кафедры бизнес-информатики Факультета информационных технологий и анализа больших данных

Россия, Москва

Никита Андреевич Андриянов

Финансовый университет при Правительстве Российской Федерации

Email: naandriyanov@fa.ru
ORCID iD: 0000-0003-0735-7697
SPIN-код: 5868-2258
Scopus Author ID: 56541776500
ResearcherId: E-6287-2014

кандидат технических наук, доцент кафедры искусственного интеллекта

Россия, Москва

Список литературы

  1. Андриянов, Н. Регрессионный анализ и прогнозирование данных футбольной статистики с использованием нейронных сетей / Н. Андриянов, В. Дементьев // Радиоэлектронная техника, 2020 г., Т. 1. С. 138–142.
  2. Зинченко, А.А. Моделирование процессов подбора и оценки персонала : специальность 08.00.13 «Математические и инструментальные методы экономики» : автореферат диссертации на соискание ученой степени кандидата экономических наук / Зинченко Алексей Алексеевич ; Финансовый университет при Правительстве Российской Федерации. —Москва, 2016. —143 с. Библиогр.: с. 24–25.
  3. Мирзоян, М. В. Система поддержки принятия решений для управления компетенциями государственных служащих на основе интеллектуальных технологий : диссертация на соискание ученой степени кандидата экономических наук / Мирзоян Мариам Валериковна, 2024. —208 с. —EDN UJMSRI.
  4. Абдикеев, Н.М. Системы управления эффективностью бизнеса: учебное пособие / Н.М. Абдикеев [и др.] ; под научной редакцией Н.М. Абдикеева, О.В. Китаевой. —Москва : Инфра-М, 2014. —282 с. — ISBN 978-5-16-003992-3.
  5. Барский, А.Б. Нейронные сети: распознавание, управление, принятие решений / А.Б. Барский.—Москва : Финансы и статистика, 2004. —176 с․ —ISBN 5-279-02757-X.
  6. Экономика информационных систем: управление и оценка эффективности : учебник для направлений бакалавриата и магистратуры «Бизнес-информатика» / Н.Ф. Алтухова, Е.В. Васильева, Е.А. Деева [и др.]. —Москва : КноРус, 2020. —624 с. —ISBN 978-5-406-07848-8.
  7. Вербицкий, А.А. Личностный и компетентностный подходы в образовании: проблемы интеграции : монография / А.А. Вербицкий, О.Г. Ларионова. —Москва : Логос, 2009. —336 с. —ISBN 978-5-98704-452-0.
  8. Andriyanov N.A., Dementiev V.E., Tashlinskii A.G. Detection of objects in the images: From likelihood relationships towards scalable and efficient neural networks // Computer Optics 2022, 46 (1), 139-159
  9. Dementyiev V.E., Andriyanov N.A., Vasilyiev K.K. Use of images augmentation and implementation of doubly stochastic models for improving accuracy of recognition algorithms based on convolutional neural networks // 2020 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO).
  10. Kuratov, Y., Arkhipov, M. (2019). Adaptation of Deep Bidirectional Multilingual Transformers for Russian Language. URL https://huggingface.co/DeepPavlov/rubert-base-cased (Дата обращения: 26.02.2025).
  11. RuGPT3 demo URL https://russiannlp.github.io/rugpt-demo/ (Дата обращения: 26.02.2025).
  12. Andrzej Maćkiewicz, Waldemar Ratajczak Principal components analysis (PCA) // Computers & Geosciences, Volume 19, Issue 3, 1993, P. 303–342.
  13. Андриянов, Н.А. О применении нейронных сетей для рекомендательных систем в задаче подбора кандидатов на вакансии государственной службы / Н.А. Андриянов, М.В. Мирзоян // Инновации и инвестиции. —2023. —№ 9. —С. 313–317. —ISSN 2307-180Х.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Входные данные (требования к должности).

Скачать (91KB)
3. Рис. 2. Граф нейросети.

Скачать (324KB)
4. Рис. 3. Получение эмбеддинга с помощью ruBERT.

Скачать (109KB)
5. Рис. 4. Структура нейронной сети для обучения.

Скачать (131KB)
6. Рис. 5. Структура нейронной сети для инференса.

Скачать (136KB)
7. Таблица 4



Ссылка на описание лицензии: https://www.urvak.ru/contacts/

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».