Розробка підсистеми підбору категорій вакансій за текстовим описом навичок ІТ-фахівця

Abstract

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.