Learning Recruitment-Related Representations from Graphs and Sequential Data ; Apprentissage de la Représentation Liée au Recrutement à partir de Graphes et de Données Séquentielles
Titel:
Learning Recruitment-Related Representations from Graphs and Sequential Data ; Apprentissage de la Représentation Liée au Recrutement à partir de Graphes et de Données Séquentielles
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Le recrutement électronique est devenu l'outil de recrutement le plus important dans la société moderne. Comment traiter efficacement une telle quantité de données et améliorer l'efficacité du recrutement en ligne est un problème important et urgent auquel l'ensemble du secteur est confronté. En tant que pionnier du secteur des services de ressources humaines, Randstad souhaitait améliorer le processus de recrutement, notamment en améliorant l'expérience utilisateur et en réduisant les dépenses. En particulier, en utilisant des techniques liées à l'Intelligence Artificielle (IA), inspirées du succès de l'IA dans de nombreuses applications pratiques. Autour du système de recrutement, de nombreuses sous-tâches connexes doivent être traitées, y compris, mais sans s'y limiter, l'intégration d'informations, la recherche de talents, l'optimisation des algorithmes, etc. Par conséquent, dans cette thèse, nous étudierons comment utiliser des techniques d'IA pour résoudre certaines sous-tâches afin d'aider à construire des recrutement systèmes.Comme d'autres domaines, la technologie de l'IA gagne en popularité dans l'industrie du recrutement. Ces technologies visent à répondre systématiquement aux limites des procédures de recrutement traditionnelles, en particulier pour les tâches répétitives, en intégrant des approches basées sur l'IA. Bien que de nombreuses études aient démontré leur efficacité, elles présentent encore des défis en raison des caractéristiques spécifiques des recrutements données. Par exemple, les ensembles de données ouvertes sont relativement difficiles à obtenir en raison de la confidentialité, ce qui limite l'utilisation de méthodes supervisées, et le domaine du recrutement évolue constamment, de sorte que les méthodes statiques ne peuvent pas s'adapter rapidement aux changements de données. Par ailleurs, les données traitées dans les travaux existants comprennent principalement : (i) les offre-CV paires, (ii) les trajectoires de carrière, et (iii) les emplois ou CV. Il existe des structures cachées ...