Розроблення автоматизованої системи відбору резюме на основі методів семантичного аналізу
Автор: Білозор Маркіян Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Білозор М. Р., Климкович Т. А. (керівник). Розроблення автоматизованої системи відбору резюме на основі методів семантичного аналізу. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2025. Розширена анотація Стрімка цифровізація бізнес-процесів та зростання конкуренції на ринку праці призвели до суттєвого збільшення навантаження на HR-відділи компаній. В умовах, коли на одну вакансію можуть надходити сотні резюме, традиційні методи ручного відбору стають неефективними, часозатратними та вразливими до суб’єктивізму рекрутера. Класичні автоматизовані системи (ATS), що базуються на пошуку за ключовими словами, часто відсіюють релевантних кандидатів через відмінності у формулюваннях, ігноруючи контекст та семантичні зв’язки у тексті [1]. Актуальність дослідження зумовлена необхідністю впровадження інтелектуальних систем, здатних аналізувати зміст резюме на рівні розуміння сенсу, що дозволить підвищити якість та швидкість найму персоналу. Сучасні підходи до вирішення цієї проблеми передбачають використання методів обробки природної мови (NLP) та машинного навчання. Зокрема, використання векторних представлень слів та документів дозволяє оцінювати семантичну близькість між профілем кандидата та описом вакансії [2]. Дослідження у цій сфері показують, що гібридні моделі, які поєднують статистичні та нейромережеві підходи, демонструють вищу точність ранжування порівняно з простими алгоритмами [3]. Об’єкт дослідження – процес автоматизованого аналізу та відбору резюме кандидатів на основі семантичного опрацювання текстових даних. Предмет дослідження – алгоритми та підходи семантичного аналізу, які дозволяють визначати ступінь відповідності змісту резюме вимогам вакансії, а також методи побудови системи ранжування кандидатів із використанням інтелектуальних моделей. Мета дослідження полягає у створенні програмної системи, здатної автоматично аналізувати та впорядковувати резюме за ступенем відповідності вимогам вакансії, мінімізуючи вплив людського фактору на етапі первинного відбору. У роботі проведено детальний аналіз існуючих аналогів (SmartRecruiters, Manatal, ClearCompany) та виявлено їхні недоліки, такі як висока вартість, складність інтерфейсу або обмеженість семантичного аналізу. На основі цього сформовано вимоги до розроблюваної системи. Наукова новизна роботи полягає у розробці та реалізації комбінованого методу оцінювання релевантності резюме. Запропонований підхід інтегрує декілька математичних моделей: TF- IDF для частотного аналізу, BM25 для імовірнісного пошуку, GloVe для врахування глобальних векторних представлень слів та Sentence-BERT для глибокого семантичного порівняння контексту речень. Для вилучення сутностей (навичок, знань) використано спеціалізовану модель JobBERT. Фінальна оцінка відповідності кандидата розраховується як зважена сума результатів усіх моделей, нормалізованих до єдиного діапазону. Це дозволяє компенсувати слабкі сторони окремих алгоритмів та забезпечити стабільність результатів ранжування. Практичним результатом роботи є розроблена інформаційна система, побудована на клієнт-серверній архітектурі. Серверна частина реалізована мовою Python з використанням фреймворку Flask, клієнтська частина базується на HTML/CSS/JS (Bootstrap). Система підтримує завантаження резюме у форматі PDF, автоматичний парсинг тексту, створення вакансій та миттєве ранжування кандидатів. Реалізовано зручний інтерфейс для HR-фахівців з можливістю фільтрації результатів та перегляду детальної аналітики по кожному кандидату. Тестування системи підтвердило її здатність ефективно обробляти резюме та коректно визначати найбільш відповідних кандидатів навіть за умови використання ними нестандартних формулювань. Ключові слова – NLP, семантичний аналіз, ранжування резюме, автоматизація рекрутингу, Sentence-BERT, інформаційна система. Перелік використаних літературних джерел. 1. Black S., van Esch P. AI-enabled recruiting: What is it and how should a manager use it? Business Horizons. 2020. Vol. 63, no. 2. P. 215–226. 2. Karakatsanis I., Alertis W., Koutsakis P. Resume parsing and matching: A review. IEEE Access. 2023. Vol. 11. P. 12245–12265. 3. Chen J., Zhang C., Niu Z. A two-step resume information extraction algorithm. Mathematical Problems in Engineering. 2018. Vol. 2018. P. 1–8. 4. Das P., Pandey M., Rautaray S. S. A CV parser model using entity extraction process and big data tools. International Journal of Information Technology and Computer Science. 2018. Vol. 10, no. 9. P. 21–31. 5. Guo S., Alamudun F., Hammond T. ResuMatcher: a personalized resume- job matching system. Expert Systems with Applications. 2016. Vol. 60. P. 169–182.