[論文レビュー] Curriculum Vitae Recommendation Based on Text Mining

Honorio Apaza Alanoca, Américo Ariel Rubin de Celis Vidal+1 more|arXiv (Cornell University)|Jul 21, 2020

Data Mining Algorithms and Applications参考文献 4被引用数 4

ひとこと要約

本稿では、テキストマイニングおよびNLP技術を用いて、ペルーサンの労働市場向けの履歴書（CV）推薦システムを提案する。具体的には、TF-IDF重み付けを用いて、求人募集内容との関連性に基づきCVをランク付けする。この手法は、履歴書と求人要約の両方における語句頻度と逆文書頻度スコアを計算し、0.000から0.549の範囲で正規化された関連スコアを生成する。この関連スコアは、CV推薦のための明確で決定論的な評価値として機能し、一般的なTF-IDF平均は候補者マッチングの信頼性の高い資格基準として機能する。

ABSTRACT

During the last years, the development in diverse areas related to computer science and internet, allowed to generate new alternatives for decision making in the selection of personnel for state and private companies. In order to optimize this selection process, the recommendation systems are the most suitable for working with explicit information related to the likes and dislikes of employers or end users, since this information allows to generate lists of recommendations based on collaboration or similarity of content. Therefore, this research takes as a basis these characteristics contained in the database of curricula and job offers, which correspond to the Peruvian ambit, which highlights the experience, knowledge and skills of each candidate, which are described in textual terms or words. This research focuses on the problem: how we can take advantage from the growth of unstructured information about job offers and curriculum vitae on different websites for CV recommendation. So, we use the techniques from Text Mining and Natural Language Processing. Then, as a relevant technique for the present study, we emphasize the technique frequency of the Term - Inverse Frequency of the documents (TF-IDF), which allows identifying the most relevant CVs in relation to a job offer of website through the average values (TF-IDF). So, the weighted value can be used as a qualification value of the relevant curriculum vitae for the recommendation.

研究の動機と目的

• ペルーサンの求人ポータルに一般的に見られる非構造的でテキスト中心のデータにおいて、求職者と関連求人をマッチングする課題に対処すること。
• 履歴書および求人募集の明示的なテキストコンテンツを活用して、採用効率を向上させる推薦システムを開発すること。
• 実世界のペルーサン雇用データを用いて、TF-IDFが特定の求人に向けた履歴書の関連性を定量化する有効性を評価すること。
• 語の関連性と逆文書頻度に基づく、自動化された履歴書推薦のためのデータモデルを提供すること。
• 主要なスキルや求められる人材像を特定することで、大学プログラムおよび労働市場分析を支援すること。

提案手法

• ScrapyおよびBeautifulSoupを用いたWebスクレイピングにより、ComputrabajoやBumeranなどのペルーサンの求人プラットフォームから、10,000件の求人募集および10,000件の履歴書（スペイン語）を抽出した。
• NLTKを用いたテキスト前処理：ASCII文字の除去、小文字への変換、標点およびアクセントの除去、ストップワードのフィルタリング。
• 語彙の語句頻度（TF）および逆文書頻度（IDF）の計算。使用式：$ \text{TF-IDF} = \text{TF} \times \text{IDF} $、ここで $ \text{IDF} = \log\left(\frac{N}{\text{df}(t)}\right) $。
• 各履歴書ごとに求人募集ごとのTF-IDFスコアを集計し、文書固有の平均値と、すべての文書にわたる一般平均値を計算した。
• 最小-最大スケーリングを用いた関連スコアの正規化：$ X_{cs} = \frac{X - X_{\text{min}}}{X_{\text{max}} - X_{\text{min}}} $、値の範囲は0.000から0.549。
• CVと求人募集の関連スコアをマッピングする5000×9998の行列を構築し、体系的な分析および推薦を可能にした。

実験結果

リサーチクエスチョン

• RQ1 ペルーサンの求人ポータルから得られる非構造的でテキスト中心のデータを、どのようにして履歴書推薦のための構造的関連スコアに効果的に変換できるか？
• RQ2 TF-IDF重み付け手法が、特定の求人に向けた履歴書の関連性をどの程度正確に反映しているか？
• RQ3 文書全体にわたるTF-IDFスコアの一般平均値は、履歴書推薦のための信頼性があり、決定論的な評価基準として適しているか？
• RQ4 TF-IDF値の正規化は、推薦システムにおける解釈可能性と使いやすさをどのように向上させるか？
• RQ5 語の関連性分析から、ペルーサン労働市場におけるスキルおよび経験の需要についてどのようなインサイトが得られるか？

主な発見

• TF-IDF手法は、語の頻度と逆文書頻度に基づく決定論的な非確率的計算により、求人に向けた履歴書の関連性を効果的に定量化した。
• 正規化された関連スコアの最大値は0.549、最小値は0.000であり、候補者の適性の明確な範囲が示された。
• 語の関連語にわたるTF-IDFスコアの平均が最も高かったことから、CV 2およびCV 8が、Job 7に対して最も関連性が高いと特定された。
• すべての文書にわたる一般平均TF-IDFスコア（0.092）は、履歴書の関連性をランク付けする強固で一貫した指標として機能した。
• 本研究で得られたデータモデルは、5000×9998のCV-求人関連スコア行列を生成し、スケーラブルで体系的な候補者推薦を可能にした。
• 本研究では、正規化されたTF-IDFスコアが、確率的モデリングやユーザーフィードバックを必要とせずに、推薦システムにおける資格値として直接利用可能であることを示した。