Разбор резюме - Résumé parsing

Возобновить разбор, также известен как Анализ резюме, возобновить добычу, или CV извлечение, позволяет автоматизировать хранение и анализ продолжить данные. Резюме импортируется в разбор программное обеспечение, и информация извлекается, чтобы ее можно было сортировать и искать.

Описание

Анализаторы резюме анализируют резюме, извлекают нужную информацию и вставляют информацию в базу данных с уникальной записью для каждого кандидата.[1] После анализа резюме рекрутер может выполнить поиск в базе данных по ключевым словам и фразам и получить список подходящих кандидатов. Многие парсеры поддерживают семантический поиск, который добавляет контекст к условиям поиска и пытается понять намерение, чтобы сделать результаты более надежными и всеобъемлющими.[2]

Машинное обучение

Машинное обучение чрезвычайно важен для разбора резюме. Каждому блоку информации необходимо присвоить ярлык и отсортировать по нужной категории, будь то образование, история работы или контактная информация.[3] Парсеры на основе правил используют предопределенный набор правил для анализа текста. Этот метод не работает для резюме, потому что синтаксическому анализатору необходимо «понимать контекст, в котором встречаются слова, и отношения между ними».[4] Например, если слово «Харви» появляется в резюме, это может быть имя соискателя, обратитесь к колледжу. Харви Мадд, или обратитесь к компании Harvey & Company LLC. Аббревиатура MD может означать «врач» или «Мэриленд». Парсер на основе правил потребует невероятно сложных правил для учета всей неоднозначности и обеспечит ограниченное покрытие.

Это приводит нас к машинному обучению и, в частности, Обработка естественного языка (НЛП). НЛП - это филиал Искусственный интеллект и он использует машинное обучение, чтобы понимать контент и контекст, а также делать прогнозы.[5] Многие особенности НЛП чрезвычайно важны при анализе резюме. Нормализация акронима и маркировка учитывает различные возможные форматы сокращений и нормализует их. Лемматизация сокращает слова до корня с помощью языкового словаря и Стемминг удаляет «s», «ing» и т. д. Извлечение сущности использует регулярные выражения, словари, статистический анализ и сложное извлечение на основе шаблонов для идентификации людей, мест, компаний, номеров телефонов, адресов электронной почты, важных фраз и т. д.[4]

Эффективность

Анализаторы резюме достигли точности 87%[6], который относится к точности ввода данных и правильной категоризации данных. Человеческая точность обычно не превышает 96%, поэтому синтаксические анализаторы резюме достигли «точности, близкой к человеческой».[7]

Одна исполнительная рекрутинговая компания провела тестирование трех анализаторов резюме и людей, чтобы сравнить точность ввода данных. Они прогнали 1000 резюме с помощью программного обеспечения для анализа резюме и попросили людей вручную проанализировать и ввести данные. Компания привлекла третью сторону, чтобы оценить, как люди работают по сравнению с программным обеспечением. Они обнаружили, что результаты синтаксического анализа резюме были более полными и содержали меньше ошибок. Люди не вводили всю информацию в резюме и иногда ошибались в написании слов или вводили неправильные числа.[8]

В ходе эксперимента 2012 года резюме для идеального кандидата было создано на основе описания должности ученого-клинициста. После прохождения парсера один из опытов работы кандидата был полностью утерян из-за того, что дата была указана перед работодателем. Парсер также не поймал несколько образовательных степеней. В результате кандидат получил рейтинг релевантности всего 43%. Если бы это было резюме реального кандидата, они бы не перешли к следующему шагу, даже если бы были квалифицированы для этой должности.[9] Было бы полезно, если бы подобное исследование было проведено на текущих синтаксических анализаторах резюме, чтобы увидеть, произошли ли какие-либо улучшения за последние несколько лет.

Льготы

  • В известном исследовании, проведенном Марианн Бертран и Сендхилом Муллайнатаном в 2003 году, выяснялось, были ли кандидаты с именами Эмили и Грег более трудоспособными, чем Лакиша и Джамал. Был сделан вывод, что резюме с белыми именами получили на 50% больше отзывов, чем резюме с черными именами.[10] В 2014 году в Австралии и Новой Зеландии было проведено исследование, посвященное дискриминации по признаку пола по признаку пола. Insync Surveys, исследовательская фирма, и Hays, специалист по подбору персонала, разослали резюме 1029 менеджерам по найму, с единственным отличием от имени. Половина менеджеров по найму получила резюме для Саймона Кука, а другая половина - для Сьюзан Кэмпбелл. Исследование показало, что у Саймона больше шансов получить обратный звонок.[11] Анализ резюме позволяет ранжировать кандидатов на основе объективной информации и может помочь предотвратить предвзятость, которая так легко проявляется в процессе приема на работу. Программное обеспечение можно запрограммировать так, чтобы игнорировать и скрывать факторы, способствующие предвзятости, такие как имя, пол, раса, возраст, адрес и многое другое.[12]
  • Эта технология чрезвычайно рентабельна и экономит ресурсы. Вместо того, чтобы просить кандидатов вводить информацию вручную, что может помешать им подавать заявку или тратить время рекрутера, ввод данных теперь выполняется автоматически.[13]
  • Контактная информация, соответствующие навыки, история работы, образование и более конкретная информация о кандидате легко доступны.[13]
  • Процесс отбора кандидатов теперь стал значительно быстрее и эффективнее. Вместо того, чтобы просматривать каждое резюме, рекрутеры могут фильтровать их по определенным характеристикам, сортировать и искать их. Это позволяет рекрутерам проходить собеседование и быстрее заполнять вакансии.
  • Одна из самых больших жалоб людей, ищущих работу, - это длительность процесса подачи заявки. Благодаря синтаксическим анализаторам резюме процесс стал быстрее, и у кандидатов улучшился опыт.[14]
  • Эта технология помогает предотвратить проскальзывание квалифицированных кандидатов. В среднем рекрутер тратит 6 секунд на просмотр резюме.[15] Когда рекрутер просматривает сотни или тысячи из них, его можно легко пропустить или потерять из виду потенциальных кандидатов.
  • После анализа резюме кандидата его информация остается в базе данных. Если появляется вакансия, на которую они претендуют, но на которую еще не обращались, компания все еще имеет их информацию и может с ними связаться.

Вызовы

Программа синтаксического анализа должна полагаться на сложные правила и статистические алгоритмы, чтобы правильно фиксировать желаемую информацию в резюме. Существует множество вариантов стиля письма, выбора слов, синтаксиса и т. Д., И одно и то же слово может иметь несколько значений. Только дату можно записать сотнями разных способов.[1] Этим анализаторам резюме по-прежнему сложно учесть всю неоднозначность. Обработка естественного языка и искусственный интеллект еще предстоит продвинуться в понимании контекстной информации и того, что люди хотят передать на письменном языке.

Продолжить оптимизацию

Синтаксические анализаторы резюме стали настолько вездесущими, что кандидаты должны сосредоточиться не на том, чтобы писать рекрутеру, а на написании в систему синтаксического анализа. Понимание того, как они работают, - отличный первый шаг, но есть также определенные изменения, которые кандидат может внести для оптимизации своего резюме. Вот несколько советов, как это сделать:

  1. Используйте ключевые слова из описания вакансии в релевантных местах вашего резюме. Эти ключевые слова почти наверняка будут включены в процесс анализа.[13]
  2. Не используйте верхние и нижние колонтитулы. Они сбивают с толку алгоритмы парсинга.[16]
  3. Используйте простой стиль для шрифтов, макетов и форматирования.[16]
  4. Избегайте графики.[16]
  5. Используйте стандартные названия разделов, такие как «Опыт работы» и «Образование».[3]
  6. Избегайте использования сокращений, если они не включены в описание должности. Самый безопасный вариант - написать длинную форму и включить аббревиатуру после в круглых скобках.[3]
  7. Не начинайте с дат в разделе «Опыт работы». Парсеры обычно ищут даты после названий должностей или названий компаний.[3]
  8. Будьте последовательны с форматированием прошлого опыта работы. Стандартными являются название должности, название компании, а затем даты трудоустройства.[9]
  9. Большинство парсеров резюме утверждают, что работают со всеми основными типами файлов, но на всякий случай придерживайтесь docx, doc и pdf.[3]

Программное обеспечение и поставщики

Есть много автономных опций для парсеров резюме, и они также обычно входят в состав Системы отслеживания кандидатов, которые используются компаниями для оптимизации процесса найма. 90% Fortune 500 Компании используют системы отслеживания кандидатов, и они могут делать все: от обработки заявлений о приеме на работу, управления процессом набора и выполнения решения о найме.[17]

Благодаря недавним достижениям в области искусственного интеллекта и машинного обучения, а также интеллектуальный анализ текста и усовершенствования процессов анализа, обеспечивающие точность до 95% [18] при обработке данных многие технологии ИИ [19] возникли, чтобы помочь ищущим работу в создании документов заявки. Эти услуги сосредоточены на создании резюме, удобном для ATS, выполнении проверки и проверки резюме, а также помогают во всех процессах подготовки и подачи заявок. Некоторые из разработчиков ИИ, такие как Leap.ai и Skillroads, концентрируются на создании резюме, в то время как другие, такие как Стелла, также предлагают помощь с поиск работы сам, поскольку они подбирают кандидатов на соответствующие вакансии. В 2017 году Google предпринял попытку демонтажа глобального рынка найма на сумму 215,68 млрд долларов США (по состоянию на 2017 год) путем создания Google for Jobs, что, по прогнозам, сильно повлияет на рынок труда. Это расширение поисковой системы использует Cloud Talent Solution,[20] Собственное изобретение Google, которое представляет собой еще одну итерацию интеллектуального конструктора резюме AI и системы сопоставления.

Будущее

Анализаторы резюме уже входят в стандартную комплектацию большинства средних и крупных компаний, и эта тенденция сохранится, поскольку синтаксические анализаторы станут еще более доступными.[13]

Резюме квалифицированного кандидата можно игнорировать, если оно неправильно отформатировано или не содержит определенных ключевых слов или фраз. По мере совершенствования машинного обучения и обработки естественного языка повышается и точность синтаксических анализаторов резюме.

Одна из областей, над которой работает программное обеспечение для синтаксического анализа резюме, - это выполнение контекстного анализа информации в резюме, а не ее извлечение. Один сотрудник компании по синтаксическому анализу сказал, что «синтаксическому анализатору необходимо классифицировать данные, обогащать их знаниями из других источников, нормализовать данные, чтобы их можно было использовать для анализа и улучшать поиск». [21]

Парсинговым компаниям также предлагается не ограничиваться только резюме или даже профилями LinkedIn. Они работают над извлечением информации с отраслевых сайтов, таких как GitHub и профили в социальных сетях.[21]  

использованная литература

  1. ^ а б «Что такое анализ резюме / резюме?» DaXtra, Daxtra Technologies Ltd, 18 октября 2016 г., www.daxtra.com/2016/10/18/what-is-cvresume-parsing/.
  2. ^ Рэтклифф, Кристофер. "Search Engine Watch". Что такое семантический поиск и почему он важен?, ClickZ Group Limited, 21 октября 2015 г., searchchenginewatch.com/sew/opinion/2431292/what-is-semantic-search-and-why-does-it-matter.
  3. ^ а б c d е «Готово ли ваше резюме для автоматической проверки?» Возобновить взлом, Resume Hacking, 2 января 2016 г., www.resumehacking.com/ready-for-automated-resume-screening.
  4. ^ а б Нельсон, Пол. «Методы обработки естественного языка (НЛП) для извлечения информации». Поисковые технологии, Search Technologies, www.searchtechnologies.com/blog/natural-language-processing-techniques.
  5. ^ Рейнольдс, Брэндон. «Ужасная проблема с обработкой естественного языка (это мы)».Блог Salesforce, Salesforce.com, Inc., 17 августа 2016 г., www.salesforce.com/blog/2016/08/trouble-with-natural-language-processing.html.
  6. ^ https://medium.riminder.net/hr-software-companies-why-structuring-your-data-is-crucial-for-your-business-f749ecf3255a
  7. ^ «Типы парсеров и как они работают». Daxtra, Daxtra Technologies Ltd, 26 февраля 2014 г., www.daxtra.com/2014/02/26/types-of-parser-and-how-they-work/.
  8. ^ «Лучший исполнительный рекрутер подвергает максимальную точность точности». Разбор резюме: окончательная проверка точности, Sovren Group, Inc., www.sovren.com/resource-center/a-top-executive-recruiter-puts-accuracy-to-the-ultimate-test/.
  9. ^ а б Левинсон, Меридит. «5 секретов инсайдерской информации, позволяющих обойти системы отслеживания кандидатов (ATS)».ИТ-директор, ИТ-директор, 1 марта 2012 г., www.cio.com/article/2398753/careers-staffing/careers-staffing-5-insider-secrets-for-beating-applicant-tracking-systems.html.
  10. ^ Ховард, Жаклин. «Новое исследование подтверждает удручающую правду об именах и расовых предубеждениях». The Huffington Post, TheHuffingtonPost.com, 8 октября 2015 г., www.huffingtonpost.com/entry/black-sounding-names-study_us_561697a5e4b0dbb8000d687f.
  11. ^ Кон, Лаура. «Эта женщина-исполнитель сменила имя на мужское, чтобы устроиться на работу. Вы должны?" Удача, Time, Inc., 8 июня 2016 г., fortune.com/2016/06/08/name-bias-in-hiring/.
  12. ^ «3 способа, которыми рекрутеры могут использовать ИИ для уменьшения бессознательных предубеждений». Тайный рекрутер, 12 мая 2017 г., theundercoverrecruiter.com/ai-reduce-unconscious-bias/.
  13. ^ а б c d «Детские шаги в HR-технологиях: что такое анализ резюме?» Рекрутербокс, Recruiterbox Inc, 12 октября 2017 г., recruiterbox.com/blog/baby-steps-in-hr-technology-what-is-resume-parsing-2/.
  14. ^ Каин, Айне. «Настоящая причина, по которой 60% соискателей не выдерживают процесса подачи заявления». Business Insider, Business Insider, 16 июня 2016 г., www.businessinsider.com/why-most-ob-seekers-cant-stand-the-application-process-2016-6.
  15. ^ Шульц, Кэрол. "Есть минутка? Если да, потратьте это на просмотр резюме ». ERE, ERE Media., 3 мая 2012 г., www.ere.net/got-a-minute-if-so-spend-it-looking-at-resumes/.
  16. ^ а б c Капелли, Питер. «Как устроиться на работу? Победите машины ». Время, Time Inc., 11 июня 2012 г., business.time.com/2012/06/11/how-to-get-a-job-beat-the-machines/.
  17. ^ Ху, Джеймс. «Ответы на 7 ваших основных вопросов о системах отслеживания кандидатов».Рекрутер, Recruiter.com, Inc., 16 августа 2017 г., www.recruiter.com/i/your-top-7-questions-about-applicant-tracking-systems-ansarded/.
  18. ^ «точность до 95%». К науке о данных.
  19. ^ «Технологии искусственного интеллекта, которые помогут вам получить работу». Skillroads.
  20. ^ «Облачное решение для талантов». Google.
  21. ^ а б Зелински, Дэйв. «Увеличивается ли ваш синтаксический анализатор резюме? Как оценить системы следующего поколения ». SHRM Общество управления человеческими ресурсами, SHRM, 10 мая 2016 г., www.shrm.org/resourcesandtools/hr-topics/technology/pages/does-your-resume-parser-stack-up-how-to-evaluate-next-generation-systems.aspx?sthash .2dz2wgkl.mjjo.