Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Fuzzy Analysis of Sentiment Terms for Topic Detection Process in Social Networks Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

How to Match Jobs and Candidates - A Recruitment Support System Based on Feature Engineering and Advanced Analytics

verfasst von : Andrzej Janusz, Sebastian Stawicki, Michał Drewniak, Krzysztof Ciebiera, Dominik Ślęzak, Krzysztof Stencel

Erschienen in: Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Foundations

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We describe a recruitment support system aiming to help recruiters in finding candidates who are likely to be interested in a given job offer. We present the architecture of that system and explain roles of its main modules. We also give examples of analytical processes supported by the system. In the paper, we focus on a data processing chain that utilizes domain knowledge for the extraction of meaningful features representing pairs of candidates and offers. Moreover, we discuss the usage of a word2vec model for finding concise vector representations of the offers, based on their short textual descriptions. Finally, we present results of an empirical evaluation of our system.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Rules Induced from Rough Sets in Information Tables with Continuous Values
Nächstes Kapitel Similarity-Based Accuracy Measures for Approximate Query Results
Fußnoten
1
BIZON is a name of a popular Polish combine harvester. https://​en.​wikipedia.​org/​wiki/​Bizon_​(company).
 
Literatur
1.
2.
Resnick, P., Varian, H.R.: Recommender systems. Commun. ACM 40(3), 56–58 (1997)CrossRef
3.
Singla, A., Tschiatschek, S., Krause, A.: Actively learning hemimetrics with applications to eliciting user preferences. In: Proceedings of the 33rd International Conference on International Conference on Machine Learning, ICML 2016, vol. 48, pp. 412–420. JMLR.org (2016)
4.
5.
Keim, T.: Extending the applicability of recommender systems: a multilayer framework for matching human resources. In: Proceedings of the 40th Annual Hawaii International Conference on System Sciences, HICSS 2007. IEEE Computer Society, Washington, D.C. (2007)
6.
Burke, R.: Hybrid recommender systems: survey and experiments. User Model. User-Adap. Inter. 12(4), 331–370 (2002)CrossRef
7.
Yi, X., Allan, J., Croft, W.B.: Matching resumes and jobs based on relevance models. In: Proceedings of the 30th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 2007, pp. 809–810. ACM, New York (2007)
8.
Singh, A., Rose, C., Visweswariah, K., Chenthamarakshan, V., Kambhatla, N.: PROSPECT: a system for screening candidates for recruitment. In: Proceedings of the 19th ACM International Conference on Information and Knowledge Management, CIKM 2010, pp. 659–668. ACM, New York (2010)
9.
Mehta, S., Pimplikar, R., Singh, A., Varshney, L.R., Visweswariah, K.: Efficient multifaceted screening of job applicants. In: Proceedings of the 16th International Conference on Extending Database Technology, EDBT 2013, pp. 661–671. ACM, New York (2013)
10.
Bobadilla, J., Ortega, F., Hernando, A., Gutiérrez, A.: Recommender systems survey. Knowl.-Based Syst. 46(Suppl. C), 109–132 (2013)CrossRef
11.
Lu, J., Wu, D., Mao, M., Wang, W., Zhang, G.: Recommender system application developments: a survey. Decis. Support Syst. 74(Suppl. C), 12–32 (2015)CrossRef
12.
Janusz, A., Ślęzak, D., Nguyen, H.S.: Unsupervised similarity learning from textual data. Fundam. Inform. 119(3), 319–336 (2012)MathSciNetMATH
13.
Sosnowski, L.: Framework of compound object comparators. Intell. Decis. Technol. 9(4), 343–363 (2015)CrossRef
14.
Han, E.H.S., Karypis, G.: Feature-based recommendation system. In: Proceedings of the 14th ACM International Conference on Information and Knowledge Management, CIKM 2005, pp. 446–452. ACM, New York (2005)
15.
Xie, J., Leishman, S., Tian, L., Lisuk, D., Koo, S., Blume, M.: Feature engineering in user’s music preference prediction. In: Proceedings of the 2011 International Conference on KDD Cup 2011, KDDCUP 2011, vol. 18, pp. 183–197. JMLR.org (2011)
16.
Mikolov, T., Sutskever, I., Chen, K., Corrado, G., Dean, J.: Distributed representations of words and phrases and their compositionality. In: Proceedings of the 26th International Conference on Neural Information Processing Systems, NIPS 2013, vol. 2, pp. 3111–3119. Curran Associates Inc., New York (2013)
17.
Le, Q., Mikolov, T.: Distributed representations of sentences and documents. In: Proceedings of the 31st International Conference on Machine Learning, ICML 2014, vol. 32, pp. II-1188–II-1196. JMLR.org (2014)
18.
Bengio, Y., Ducharme, R., Vincent, P., Janvin, C.: A neural probabilistic language model. J. Mach. Learn. Res. 3, 1137–1155 (2003)MATH
19.
Mikolov, T., Chen, K., Corrado, G., Dean, J.: Efficient estimation of word representations in vector space. CoRR abs/1301.3781 (2013)
20.
Chen, T., Guestrin, C.: XGBoost: a scalable tree boosting system. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2016, pp. 785–794. ACM, New York (2016)
Metadaten
Titel
How to Match Jobs and Candidates - A Recruitment Support System Based on Feature Engineering and Advanced Analytics
verfasst von
Andrzej Janusz
Sebastian Stawicki
Michał Drewniak
Krzysztof Ciebiera
Dominik Ślęzak
Krzysztof Stencel
Copyright-Jahr
2018
Buch
Information Processing and Management of Uncertainty in Knowledge-Based Systems. Theory and Foundations

Print ISBN: 978-3-319-91475-6

Electronic ISBN: 978-3-319-91476-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-91476-3_42

Premium Partner

    Bildnachweise