通过文本挖掘和NLP减少上班时间并找到合适的候选人

我们要求招聘人员使用简单格式的描述来寻找候选人，而不是简单地提供关键字。要使用上面的Battat示例...常规的完全匹配关键字搜索可能看起来像：“ Python”，“ SQL”，“分析师”，“工程师”或“玩具”。但是通过我们的搜索，候选者描述为： “具有玩具，教育或儿童产品经验的数据科学家。”

我们使用描述是因为我们的搜索了解概念和想法。该算法知道“数据科学家”是一个很可能会了解“ Python”，“ SQL”或其他语言的人，并且担当了“分析师”或“工程师”的角色。通过讲授算法来寻找具有“玩具”，“教育”和“儿童产品”经验的候选人，我们可以找到在“游戏”或“青少年发展”等相关领域具有相关经验的人。考虑此界面的另一种方法是，招聘人员只需为以下问题写一个答案：“您正在寻找什么样的候选人？”您无需担心响应的特定结构，也不必担心关键字是否适合搜索表单的特定部分。上面的示例很容易是“对分析感兴趣的前玩具设计师”或“可以设计产品和分析数据的讲多种语言的法语”。我们的目标是让算法对要寻找的候选人类型有所了解。它将确定概念并在概念之间建立联系，以找到最强的人选。它不受特定关键字的限制。这意味着招聘人员或招聘经理可以通过自动执行搜索来节省时间，同时生成更多种类的合格候选人。 2.搜索整个简历，而不仅仅是技能列表或关键字我们的语义方法使我们更容易扫描整个简历以了解整个人。例如，候选人可能会在简历的一部分中概述对“儿童产品”的兴趣，而不会将其包括在其他地方的核心技能中。这种语义方法跟踪整个简历，并对出现的主题进行评分，而不仅仅是个人技能或关键字标记。结果：26天的上班时间和出色的候选体验Maison Battat是一家家族玩具公司，鼓励孩子大胆，好奇和嬉戏。在超过45年的时间里，他们为婴儿，幼儿和幼儿提供了一系列引人入胜的玩具，包括Driven™强力卡车到Our Generation™玩偶的玩具。 Battat希望聘请一位在营销，电子商务，数据科学和分析方面具有丰富经验的独特候选人。他们寻找了一个能够自我开创，学习能力强，精通另一种语言，已在国外生活，并通过游戏和教育改善儿童生活的热情的人。我们上面的文本挖掘方法用于分析1000多个数据科学候选人档案。最高的结果是具有国际经验的双语数据分析师Sogra。重要的是，当她在一家玩具初创公司工作时，她是创造了屡获殊荣的智能玩具的终极自我入门者。索格拉（Sogra）是第一个也是唯一一个被采访的候选人-她非常适合担任这个角色。不仅在26天之内就担任了这一职位，而且雇主和雇员都对流程的明显简化和快速的处理方式感到兴奋。