Розроблення і дослідження підсистеми відбору персоналу на основі технологій обробки природної мови та методів машинного навчання
Автор: Олексієвець Андрій Васильович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проєктування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Олексієвець А.В., Яворський Н.Б. (керівник). Розроблення і дослідження підсистеми відбору персоналу на основі технологій обробки природної мови та методів машинного навчання. Магістерська кваліфікаційна робота. – Національний університет "Львівська політехніка", Львів, 2025. Розширена анотація. Ефективність процесів рекрутингу є критичною для сучасного бізнесу. Згідно зі звітами Society for Human Resource Management (SHRM), вартість одного помилкового найму може сягати 30% річного доходу співробітника, а середній час закриття вакансії часто перевищує 40 днів, що призводить до значних фінансових втрат [1]. Традиційні методи ручного відбору є не тільки часозатратними, але й суб’єктивними, що ускладнює масштабування процесів. У той же час, існуючі автоматизовані системи (ATS) мають суттєвий недолік: вони здебільшого покладаються на поверхневий лексичний пошук за ключовими словами. Як зазначається у дослідженнях [2], це призводить до ігнорування семантичного контексту та втрати кваліфікованих кандидатів, які використовують синонімічну термінологію. Крім того, більшість наявних рішень фрагментовані й автоматизують або лише аналіз резюме, або лише проведення інтерв’ю, не формуючи цілісного профілю компетентності. Для вирішення цих проблем у роботі пропонується інтегрована підсистема, яка використовує методи обробки природної мови (NLP) та машинного навчання (ML) для глибокого семантичного аналізу даних на всіх етапах воронки найму [3]. Об’єкт дослідження – процес попереднього відбору та оцінювання кандидатів на вакантні посади. Предмет дослідження – методи, моделі та алгоритми обробки природної мови і машинного навчання для аналізу відповідності резюме, інтерпретації відповідей на інтерв’ю та формування інтегрального ранжування. Мета роботи – розроблення і дослідження підсистеми відбору персоналу на основі технологій обробки природної мови та методів машинного навчання з метою підвищення об’єктивності та ефективності процесу оцінювання кандидатів. Наукова новизна отриманих результатів полягає в удосконаленні методу інтегрального оцінювання шляхом поєднання семантичного аналізу резюме та мультимодальної оцінки голосового інтерв’ю, а також у подальшому розвитку підходів до динамічної генерації питань і забезпеченні прозорості рішень на базі великих мовних моделей. Практична частина роботи включає проектування мультиагентної мікросервісної архітектури та програмну реалізацію системи мовою Python з використанням фреймворку FastAPI. Для забезпечення швидкого семантичного пошуку використано векторну базу даних ChromaDB. Реалізовано модулі для гібридного зіставлення резюме (векторний пошук + BM25), генерації адаптивних сценаріїв інтерв’ю з валідацією "Human-in-the-loop" та голосової взаємодії в реальному часі. Результати верифікації на тестових даних підтвердили високу кореляцію автоматичних оцінок з висновками експертів та здатність системи надавати текстове обґрунтування для кожного прийнятого рішення. Дослідження підтримано проектом W/WE/4/2023 Кафедри автоматики та робототехніки Білостоцької політехніки, Міністерство науки та вищої освіти Польщі [4]. Ключові слова: NLP, машинне навчання, рекрутинг, HRTech, LLM, S- BERT, семантичний пошук, автоматизоване інтерв’ю, Explainable AI. Перелік використаних літературних джерел: SHRM. (2024). Talent Acquisition Benchmarking Report. [Електронний ресурс]. Режим доступу: https://www.shrm.org/. Enhancing Job Matching Accuracy: A Vector Search Approach for Resume-to- Job Description Alignment. (2023). International Research Journal of Innovations in Engineering and Technology (IRJIET), 7(3). Human and LLM-Based Resume Matching: An Observational Study. (2025). Proceedings of the NAACL. Andriy Oleksievets, Nazariy Jaworski, Maciej Ciezkowski. Intelligent personnel selection system based on NLP and ML // CAD in Machinery Design. Implementation and Educational Issues : XXXIII International Conference CADMD 2025 (Bialystok, Poland, 11-13 December, 2025). – 2025. – P. 21