Математичне та програмне забезпечення системи генерації резюме на основі бажаної вакансії та навиків працівника

Скорочена інформація про документ
dc.contributor.advisorГромова, Вікторія Вікторівна
dc.contributor.authorКісів, Катерина Степанівна
dc.date.accessioned2024-06-11T08:28:29Z
dc.date.available2024-06-11T08:28:29Z
dc.date.issued2023
dc.description.abstractДипломну роботу виконано на 74 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 14 найменувань. У роботі наведено 15 рисунків та 5 таблиць. Метою даної дипломної роботи є створення математичного та програмного забезпечення системи генерації резюме на основі бажаної вакансії та навиків працівника. У роботі проведено аналіз існуючих математичних рішень для розв’язання задачі багатоміткової класифікації тексту — бінарної релевантності, багатоміткового алгоритму k-найближчого сусіда, алгоритму випадкових k-міток, багатоміткового дерева рішень, випадкових полів Маркова та нейронної мережі LSTM. Виконано їх порівняння за наступними критеріями: точність отриманих результатів, ступінь кореляції, мінімальний потребуючий розмір датасету для отримання високої точності та підтримувана кількість міток. Для розв’язання задачі вибрано нейронну мережу LSTM. Побудовано модель системи генерації резюме на основі бажаної вакансії та навиків працівника. Описано компоненти системи та зв’язки між ними. Розроблено програмне забезпечення системи. Система дозволяє класифікувати бажану вакансію за попередньо визначеними 12 навичками. Проведено верифікацію та валідацію системи.
dc.description.abstractotherThe thesis is presented in 74 pages. It contains 2 appendixes and bibliography of 14 references. 15 figures and 5 tables are given in the thesis. The goal of the thesis is to create mathematical and programmatic software for a resume generation system based on the desired job and the employee's skills. The paper analyzes existing mathematical solutions for solving the problem of multi-label text classification - binary relevance, multi-label k-nearest neighbor algorithm, random k-label algorithm, multi-label decision tree, random Markov fields, and LSTM neural network. They are compared according to the following criteria: accuracy of the results obtained, degree of correlation, minimum required dataset size to obtain high accuracy and supported number of labels. The LSTM neural network was chosen to solve the problem. A model of a resume generation system based on the desired job and employee's skills is built. The components of the system and the relationships between them are described. The system software is developed. The system allows you to classify the desired job by predefined 12 skills. The system is verified and validated.
dc.format.extent95 с.
dc.identifier.citationКісів, К. С. Математичне та програмне забезпечення системи генерації резюме на основі бажаної вакансії та навиків працівника : дипломна робота … бакалавра : 113 Прикладна математика / Кісів Катерина Степанівна. – Київ, 2023. – 95 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/67082
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectгенерація резюме
dc.subjectрекурентна нейронна мережа
dc.subjectнейронна мережа LSTM
dc.subjectтокенізація
dc.subjectвекторизація
dc.subjectвеб-скрепінг
dc.subjectмашинне навчання
dc.subjectсистеми Data Science
dc.titleМатематичне та програмне забезпечення системи генерації резюме на основі бажаної вакансії та навиків працівника
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kisiv_bakalavr.pdf
Розмір:
1.9 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

Бакалаврські роботи (ПМА)
Бакалаврські роботи