Современные сервисы для поиска работы и подбора персонала предоставляют достаточно простой функционал, основанный на совпадении тегов и характеристик пользователей. Такая система позволяет достаточно быстро получать списки соискателей или потенциальных мест работы с заданными параметрами, однако она достаточно груба и всё ещё требует от рекрутеров и специалистов значительных усилий для фильтрации и отбора вариантов.
Задача разрабатываемого продукта -- максимально упростить процесс поиска с помощью построения рекомендательной системы.
- Помощь HR и соискателям в поиске сотрудников / позиций.
- Рекомендация образовательных материалов пользователям.
- Поиск учёных и исследователей.
В рамках прототипа, представляемого на хакатоне, графовая нейронная сеть обучена на данных по научным статьям в области физики. Её цель -- предсказание будущих соавторств по исследовательскому опыту и интересам, что эквивалентно поставленной изначально задаче. В дальнейшем датасет можно дополнить данными с LinkedIn и HeadHunter, однако парсинг займёт некоторое время. Выбор модели обусловлен тем, что на близких задачах она зачастую даёт более высокое качество, чем другие современные методы.
Разработана первая версия рекомендательной системы с использованием Python + PyTorch. Для её демонстрации спроектировано приложение с пользовательским интерфейсом. Ссылка на него появится немного позже.
На настоящий момент планируется два направления продолжения разработки:
- Доработка модели и её обучение на полных данных;
- Реализация расширений для LinkedIn и HeadHunter в виде плагина для браузера;
- Система может быть внедрена и внутри компании и как открытое решение задачи оптимизации процесса поиска кандидатов.
Чуть позже появится ссылка на сервер, но пока мы её прячем, чтобы сервер не упал раньше времени из-за слишком большого количества запросов (да, мы верим в себя).