Гібридна рекомендаційна система для підбірки вакансій

Скорочена інформація про документ
dc.contributor.advisorТимощук, Оксана Леонідівна
dc.contributor.authorБабанов, Дмитро Євгенович
dc.date.accessioned2026-02-02T14:22:17Z
dc.date.available2026-02-02T14:22:17Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 118 с., 28 рис., 20 табл., 2 додатки, 23 джерела. Об'єкт дослідження – гібридні рекомендаційні системи для підбірки вакансій. Мета роботи – розробка, реалізація та проведення експериментів над гібридною рекомендаційною системою. Методи дослідження – аналіз наукової літератури, веб-скрапінг, експериментальне моделювання, порівняльний аналіз архітектур рекомендаційних систем, оцінка якості роботи системи за допомогою різноманітних експериментів над створеною системою рекомендацій. У даній роботі проведено аналіз сучасних методів побудови рекомендаційних систем та досліджено контентні, колаборативні й гібридні підходи до генерації персоналізованих рекомендацій. Реалізовано та експериментально перевірено рекомендаційну систему для підбору вакансій на основі методів TF-IDF, BERT, матричної факторизації (ALS) та їх зваженого гібридного поєднання. Розроблено програмний продукт мовою Python з використанням бібліотек для аналізу даних і машинного навчання, створено синтетичний датасет взаємодій кандидатів із вакансіями та проведено оцінювання якості рекомендацій за стандартними метриками. Отримані результати можуть бути використані для впровадження інтелектуальних систем рекомендацій у сервісах підбору персоналу та кар’єрних платформах.
dc.description.abstractotherMaster’s thesis: 118 pages, 28 figures, 20 tables, 2 appendices, 23 references. Object of research – the design and development of hybrid recommender systems for job vacancy matching. Purpose of the thesis – to develop, implement, and conduct experimental evaluation of a hybrid recommender system. Research methods – analysis of scientific literature, web scraping, experimental modeling, comparative analysis of recommender system architectures, and evaluation of system performance using various experimental studies conducted on the developed recommendation system. This thesis presents an analysis of modern approaches to building recommender systems and investigates content-based, collaborative, and hybrid methods for generating personalized recommendations. A recommender system for job vacancy matching based on TF-IDF, BERT, matrix factorization (ALS), and their weighted hybrid combination was implemented and experimentally evaluated. A software product was developed in Python using data analysis and machine learning libraries, a synthetic dataset of candidate–vacancy interactions was created, and the quality of recommendations was assessed using standard evaluation metrics The obtained results can be applied to the implementation of intelligent recommender systems in recruitment services and career-oriented platforms.
dc.format.extent118 с.
dc.identifier.citationБабанов, Д. Є. Гібридна рекомендаційна система для підбірки вакансій : магістерська дис. : 124 Системний аналіз / Бабанов Дмитро Євгенович. – Київ, 2025. – 118 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78595
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційни системи
dc.subjectколаборативна фільтрація
dc.subjectконтентна фільтрація
dc.subjectгібридні методи
dc.subjectbert
dc.subjectзважений гібрид
dc.subjectметрики оцінки якості
dc.subjectTF-IDF
dc.subjectBERT
dc.subjectALS
dc.subject.udc303.732.4
dc.titleГібридна рекомендаційна система для підбірки вакансій
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Babanov_magistr.pdf
Розмір:
2.66 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи