ІІ HeadHunter покаже найбільш відповідні вакансії

Новації

HeadHunter, гравець ринку інтернет-рекрутингу Росії, України, Казахстану, Білорусі та Азербайджану, запустив нову систему рекомендацій вакансій, засновану технології машинного навчання. Тестовий період показав, що вакансії, відібрані новою системою, залучають на 25% більше уваги шукачів, повідомили в HeadHunter.

Діяла до цього моменту система рекомендацій спиралася на заздалегідь прописані для кожної професії пошукові запити з жорсткою прив’язкою до каталогу сайту. Нова система рекомендацій вакансій HeadHunter базується на досвіді користувачів сервісу. Розробники компанії проаналізували історію взаємодії претендентів з вакансіями і створили модель, здатну рекомендувати вакансії, які з більшою ймовірністю влаштують шукає роботу. Крім того, всі рекомендовані вакансії відсортовані, починаючи з найбільш підходящих.

Щодня нова система рекомендацій вакансій HeadHunter буде складати більше 3 млн унікальних збірок.

«Штучний інтелект нашої системи — це математична модель, яка навчається рекомендувати вакансії на основі досвіду користувачів. Ми знаємо, які оголошення частіше залучали різні групи користувачів. На основі цих даних наш ІІ навчився показувати вакансії, які з великою ймовірністю зацікавлять людей, — розповів Борис Вольфсон, директор з розвитку HeadHunter. — По мірі роботи система буде коригувати параметри, щоб показувати вакансії точніше. Ми стежимо за її роботою: рахуємо, скільки людей, що побачили вакансію, клікнула на неї, і наскільки успішно користувачі завершують свої сесії. Нововведення прискорить пошук роботи здобувачів і допоможе роботодавцям швидше знаходити “свого” кандидата. Раніше рекомендаційна система працювала з жорсткою логікою, створені людиною. ІІ буде краще справлятися з цим завданням. Наскільки краще — поки можна твердо сказати, що за час тесту CTR запропонованих вакансій зріс на 25%. Тому є підстави вважати, що пошук роботи/співробітників прискориться принаймні на чверть через механізми підбору вакансій».

Для складання індивідуального списку рекомендованих вакансій система пропускає всі актуальні вакансії бази HeadHunter послідовно через два фільтри і ранжирующую модель. Перший фільтр — евристичний. Це базовий фільтр, відсіває вакансії, які точно не підійдуть. Він використовує прості параметри: регіон, професійна область та інші.

Другий фільтр — «швидка фільтруюча модель». Завдання цього фільтра — відсікти вакансії, які за формальними критеріями пропустив перший фільтр, але які не підійдуть. Фільтр використовує найбільш значущі ознаки вакансій і резюме, щоб дотримати баланс швидкості і результату.

Фінальний етап складання збірки — складна ранжирующая модель. Вона використовує більше 200 ознак вакансій, щоб скласти кінцевий список рекомендованих користувачеві вакансій, починаючи з найбільш підходящих.

Як зазначається, рекомендація вакансій на основі машинного навчання — не перший досвід HeadHunter з штучним інтелектом. У червні 2016 р. компанія вже запустила ранжування відгуків претендентів на основі машинного навчання. Завдяки цій системі роботодавці, в першу чергу, бачать відгуки від найбільш підходящих кандидатів. За даними HeadHunter, за перші півроку роботи системи вона опрацювала 29 млн відгуків на 920 тис. вакансій. 2,3 млн осіб були запрошені на співбесіду.

No Comments

Leave a Reply

Your email address will not be published. Required fields are marked *

Новації
Створено програму для програмування мозку на схуднення

Британські психологи з Ексетерського університету випустили мобільний додаток Foodt, який здатен «перепрограмувати мозок» користувачів і відбити у них бажання їсти нездорову їжу. Про це повідомляє The New York Post.

Новації
Програміст з Пермі роздрукував термінатора на 3D-принтері

Пермський програміст Олександр Осипович відтворив модель термінатора T-800 на 3D-принтері. Про це повідомляє «ПроПермь». Робот вміє ворушити головою, говорити, відповідати на запитання.

Новації
NEC запускає в Європі платформу Solutions Zone

Компанія NEC Display Solutions представила NEC Solutions Zone — безкоштовний інформаційний і мережевий веб-інструмент для кінцевих користувачів, дистриб’юторів, еко-партнерів і реселерів.