Досліджено існуючі підходи до багатокласової класифікації (з кількома мітками)
текстів та визначено переваги методу з використанням TF-IDF. Розроблена підсистема являє
собою модель, яка повертає категорії вакансій за введеними навичками користувача. Модель
реалізовано за допомогою мови програмування Python та бібліотеки sklearn. Класифікація
відбувається з використанням TF-IDF, алгоритму Linear SVC та класифікатору one-vs-rest.
Розроблена модель може знайти застосування у сфері пошуку праці та сервісах, які надають
такий функціонал.
The existing approaches to multi-class classification (with multi-labels) of texts were studied
and the advantages of the method using TF-IDF were determined. The developed subsystem is a model that returns
job categories based on the user's entered skills. The model is implemented using the Python programming
language and the sklearn library. Classification takes place using TF-IDF, Linear SVC algorithm and one-vs-rest
classifier. The developed model can find application in the field of job search and services that provide such
functionality.
