Headhunter_Мы запустили новую систему подбора вакансий, основанную на искусственном интеллекте

  HeadHunter, лидер интернет-рекрутмента России, Украины, Казахстана, Беларуси и Азербайджана, запустил новую систему рекомендаций вакансий, основанную технологии машинного обучения. Тестовый период показал, что вакансии, отобранные новой системой, привлекают на 25% больше внимания соискателей.

   Действовавшая до этого момента система рекомендаций опиралась на заранее прописанные для каждой профессии поисковые запросы с жесткой привязкой к каталогу сайта. Новая система рекомендаций вакансий HeadHunter базируется на опыте пользователей сервиса. Разработчики компании проанализировали историю взаимодействия соискателей с вакансиями и создали модель, способную рекомендовать вакансии, которые с большей вероятностью устроят ищущего работу. Кроме того, все рекомендованные вакансии отсортированы, начиная с самых подходящих.

   Ежедневно новая система рекомендаций вакансий HeadHunter будет составлять более трех миллионов уникальных подборок.

   Борис Вольфсон, директор по развитию HeadHunter: «Искусственный интеллект нашей системы — это математическая модель, которая учится рекомендовать вакансии на основе опыта пользователей. Мы знаем, какие объявления чаще привлекали разные группы пользователей. На основе этих данных наш ИИ научился показывать вакансии, которые с большой вероятностью заинтересуют людей.

По мере работы система будет корректировать параметры, чтобы показывать вакансии точнее. Мы следим за ее работой: считаем, сколько людей, увидевших вакансию, кликнуло на нее, и насколько успешно пользователи завершают свои сессии.

Нововведение ускорит поиск работы соискателей и поможет работодателям быстрее находить «своего» кандидата. Раньше рекомендательная система работала по жесткой логике, придуманной человеком, — ИИ будет лучше справляться с этой задачей. Насколько лучше — пока можно твердо сказать, что за время теста CTR предложенных вакансий вырос на 25%. Поэтому есть основания полагать, что поиск работы/сотрудников ускорится по крайней мере на четверть через механизмы подбора вакансий».

  Для составления индивидуального списка рекомендованных вакансий система пропускает все актуальные вакансии базы HeadHunter последовательно через два фильтра и ранжирующую модель.

  Первый фильтр – эвристический. Это базовый фильтр, отсеивающий вакансии, которые точно не подойдут. Он использует простые параметры: регион, профессиональная область и другие.

  Второй фильтр – «быстрая фильтрующая модель». Задача этого фильтра – отсечь вакансии, которые по формальным критериям пропустил первый фильтр, но которые пользователю не подойдут. Фильтр использует самые значимые признаки вакансий и резюме, чтобы соблюсти баланс скорости и результата.

  Финальный этап составления подборки – сложная ранжирующая модель. Она использует более 200 признаков вакансий, чтобы составить конечный список рекомендованных пользователю вакансий, начиная с самых подходящих.

Рекомендация вакансий на основе машинного обучения – не первый опыт HeadHunter с искусственным интеллектом. В июне 2016 года компания уже запустила ранжирование откликов соискателей на основе машинного обучения. Благодаря этой системе работодатели в первую очередь видят отклики от наиболее подходящих кандидатов. За первые полгода работы системы она обработала 29 млн откликов на 920 тыс. вакансий. 2,3 млн человек были приглашены на собеседование.

Читать

"горячая линия" Администрация Челябинска Арбитражный суд Челябинской области Владимир Путин Выборы Дмитрий Медведев Единая Россия Екатеринбург ЗСО Законодательное собрание Челябинской области Златоуст КПРФ Копейск Магнитогорск Миасс Минкультуры Челябинской области Михаил Юревич Москва ОПФР по Челябинской области Почта России Правительство Челябинской области Россия Сергей Давыдов Суд УФСБ России по Челябинской области Управление Россельхознадзора по Челябинской области Управление Россельхознадзора по Чеялбинской области Филиал Федеральной кадастровой палаты Росреестра по Челябинской области ЧелГУ Челябинск Челябинская городская Дума Челябинская область Челябинский УФАС России Челябинский государственный университет Челябинское УФАС России ЮУрГУ выборы Президента РФ дети конкурс криминальные новости министерство здравоохранения Челябинской области минсельхоз Челябинской области мошенничество образование прокуратура Челябинской области

Календарь публикаций

Июль 2024
Пн Вт Ср Чт Пт Сб Вс
« Дек    
1234567
891011121314
15161718192021
22232425262728
293031  

Архивы