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 Доступ платный или 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.

Полный текст

Доступ закрыт

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


© Юр-ВАК, 2025

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