[論文レビュー] Data-driven HR - Résumé Analysis Based on Natural Language Processing and Machine Learning

Tim Zimmermann, Leo Kotschenreuther+1 more|arXiv (Cornell University)|Jun 17, 2016

AI and HR Technologies被引用数 10

ひとこと要約

本論文は、自然言語処理（NLP）および機械学習を活用して、履歴書（主にPDF形式）から候補者の情報を自動で抽出・構造化し、教育・職務経験・スキルの重み付き適合スコアを組み合わせて応募者をランク付けするデータ駆動型HRシステムを提案する。プロトタイプでは、レコメンデーションのフィルタリングと検証が可視化機能を介して可能となり、客観的で説明可能な候補者スコアリングにより採用効率が向上し、バイアスが低減される。

ABSTRACT

Recruiters usually spend less than a minute looking at each résumé when deciding whether it's worth continuing the recruitment process with the candidate. Recruiters focus on keywords, and it's almost impossible to guarantee a fair process of candidate selection. The main scope of this paper is to tackle this issue by introducing a data-driven approach that shows how to process résumés automatically and give recruiters more time to only examine promising candidates. Furthermore, we show how to leverage Machine Learning and Natural Language Processing in order to extract all required information from the résumés. Once the information is extracted, a ranking score is calculated. The score describes how well the candidates fit based on their education, work experience and skills. Later this paper illustrates a prototype application that shows how this novel approach can increase the productivity of recruiters. The application enables them to filter and rank candidates based on predefined job descriptions. Guided by the ranking, recruiters can get deeper insights from candidate profiles and validate why and how the application ranked them. This application shows how to improve the hiring process by giving an unbiased hiring decision support.

研究の動機と目的

• レクルーターが1件あたり1分未塔で手作業で履歴書をスクリーニングする際の非効率さとバイアスを是正すること。
• 自然言語処理（NLP）および機械学習（ML）を用いて、主にPDF形式の非構造化履歴書から教育・職務経験・スキルといった構造化された情報を抽出する自動パイプラインの開発。
• 求人要件との重み付き比較に基づく適合スコア（0〜100）を生成すること。スキルは教育および職務経験の2倍の重みを付与。
• レクルーターがインタラクティブなアプリケーションを通じてランク付けを可視化し、スコアの根拠を説明可能にし、意思決定を支援する説明可能なAI機能を提供すること。
• データ駆動型で偏見のない採用ワークフローを実現することで、採用までの期間短縮と候補者マッチングの質の向上を図ること。

提案手法

• レイアウトおよびコンテンツ解析を用いてPDF履歴書をHTMLに変換し、構造を保持した後、事前学習済みの機械学習分類器を用いてセクションに分割。
• ドメイン特化のNLPプロセッサを適用し、名前・日付・機関・役職などのエンティティを命名エンティティ認識（NER）とルールベース正規化（非標準日付形式対応）で抽出。
• 80万件のプロファイルで学習したWord2Vecによる単語埋め込みを用いてスキルの関係性をモデル化し、次にt-SNEを用いて次元削減を行い、関連スキルのクラスタを同定。可視化およびマッチングに活用。
• 重み付き平均として合成適合スコアを計算：スキル（重み2）、教育、職務経験。教育スコアは学位種別および大学ランクに基づく。
• 3つのビュー（表形式スコア、スコア比較用チャート、インタラクティブにスキルの出現をハイライト表示するプロフィールビュー）を備えたプロトタイプアプリケーションを実装。
• 説明可能性を実現するため、抽出項目にマウスオーバーすると元ドキュメント内の該当箇所がハイライトされ、類似スキルと一致信頼度スコアが表示可能。

実験結果

リサーチクエスチョン

• RQ1 非構造化履歴書から文脈とレイアウトを保持した形で構造化された情報を自動抽出するため、NLPおよび機械学習をどのように活用できるか？
• RQ2 多様な日付形式および教育資格を、標準的かつ機械処理可能な形式に正規化・表現する最適な方法は何か？
• RQ3 正確なキーワード一致がない場合に、スキル類似性をどのようにモデル化・可視化し、近似マッチングを支援できるか？
• RQ4 教育・職務経験・スキルを組み合わせた重み付きスコアリングシステムが、候補者ランク付けの正確性およびレクルーターの効率をどの程度向上できるか？
• RQ5 インタラクティブなインターフェースは、自動化された候補者ランク付けの根拠をレクルーターが検証・理解するのをどの程度支援できるか？

主な発見

• レイアウト解析、NLP、機械学習の組み合わせにより、多様なフォーマットに対応した一貫性のある構造化データ抽出が実現された。
• 事前学習済みの単語埋め込みとt-SNEクラスタリングの活用により、語句が異なる場合でも関連スキルの効果的な可視化およびマッチングが可能となった。
• プロトタイプのランク付けシステムでは、スキルを教育および職務経験の2倍の重みで扱うことで、0〜100のスケールでスケーラブルかつ解釈可能な適合スコアが得られた。
• 表形式スコアビューおよびスコアチャートなどの可視化機能により、レクルーターは上位候補者を素早く特定し、スキルや経験といった次元ごとのパフォーマンスを比較可能となった。
• 文脈に応じたホーミング機能および類似スキルの拡張により、透明性が向上し、レクルーターはランク付けの根拠を検証・探索可能となった。
• 抽出データを元ドキュメントのコンテンツに関連付けることで、レクルーターはより深い候補者分析が可能となり、信頼性と意思決定の質が向上した。