Интеллектуальный подбор кандидатов
NLP-модель семантического сравнения резюме и вакансий для автоматизации первичного скрининга.
Задача
Крупная финансовая компания обрабатывала тысячи резюме ежемесячно. HR-отдел тратил до 70% рабочего времени на первичный скрининг — ручное сопоставление навыков кандидатов с требованиями вакансий. При этом субъективность оценки и усталость рекрутеров приводили к пропуску релевантных кандидатов. Заказчик хотел автоматизировать первичный отбор, сохранив качество оценки.
Решение
Разработана NLP-модель семантического сравнения, которая анализирует текст резюме и описание вакансии по множеству параметров: навыки, опыт, образование, отраслевая специфика. Система строит векторные представления документов и оценивает степень соответствия. Кандидаты ранжируются по релевантности с обоснованием — рекрутер видит, по каким параметрам произошло совпадение. Модель дообучается на решениях HR-специалистов, повышая точность.
Результаты
Технологии
Подход
Анализ процесса рекрутинга
Изучение существующих данных, форматов резюме и описаний вакансий, выявление критериев оценки.
Разработка модели семантического сравнения
Построение архитектуры NLP-модели для векторного представления и сопоставления документов.
Обучение на исторических данных о найме
Модель обучена на решениях HR-специалистов для точной калибровки критериев соответствия.
Интеграция с HR-системой заказчика
Бесшовное подключение к существующей инфраструктуре рекрутинга и запуск в продуктивную эксплуатацию.