Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp của tác giả Trần Thị Kiều Trang được thực hiện trong bối cảnh thị trường lao động có nhiều biến động sâu sắc sau đại dịch Covid-19, đặc biệt là tình trạng khan hiếm nguồn nhân lực trong lĩnh vực Công nghệ thông tin (CNTT) tại Việt Nam. Theo số liệu từ Báo cáo thị trường CNTT Việt Nam năm 2021 của TopDev được trích dẫn trong công trình, thị trường cần đến 450.000 nhân lực CNTT, trong khi tổng số lập trình viên hiện có chỉ đạt khoảng 430.000 người, tạo ra khoảng trống thiếu hụt 20.000 vị trí. Đáng chú ý, trong số 55.000 sinh viên tốt nghiệp chuyên ngành CNTT hàng năm, chỉ có khoảng 16.500 người (chiếm gần 30%) đáp ứng được các yêu cầu kỹ năng thực tế của doanh nghiệp.

Thực tế này khiến các doanh nghiệp công nghệ phải tiếp nhận một khối lượng hồ sơ ứng tuyển (Curriculum Vitae - CV) rất lớn nhưng chất lượng không đồng đều. Tại các doanh nghiệp quy mô lớn, phòng Hành chính Nhân sự (HCNS) thường phải tiếp nhận từ 100 đến 250 CV mỗi ngày, thậm chí trong giai đoạn cao điểm có thể lên tới 300 đến 500 CV/ngày. Việc phân loại thủ công gặp phải ba rào cản lớn:

  • Tốn kém thời gian: Một kỳ sơ loại thủ công thường kéo dài 4 đến 5 ngày, dẫn đến nguy cơ chậm trễ và mất các ứng viên tiềm năng vào tay đối thủ cạnh tranh.
  • Giới hạn nguồn lực: Bộ phận HCNS tại các doanh nghiệp chỉ có khoảng 10 đến 30 nhân sự, trong khi số cán bộ phụ trách lọc CV thường chỉ từ vài người, dễ gây quá tải.
  • Thiếu tính khách quan: Sàng lọc thủ công dễ dẫn đến định kiến vô thức về giới tính, độ tuổi, bằng cấp hoặc quê quán của ứng viên.

Xuất phát từ thực tiễn trên, mục tiêu nghiên cứu của khóa luận được xác định cụ thể gồm:

  1. Nghiên cứu các kiến thức nền tảng về xử lý ngôn ngữ tự nhiên (NLP) và các kỹ thuật học máy có giám sát (Supervised Machine Learning) ứng dụng cho bài toán phân loại CV.
  2. Xây dựng thử nghiệm module phân loại CV tự động trong lĩnh vực CNTT dựa trên tập dữ liệu thực tế.
  3. Đề xuất phương án tích hợp mô hình phân loại tự động vào phân hệ quản lý nhân sự trên phần mềm quản trị doanh nghiệp của đơn vị thực tập.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Nghiệp vụ tuyển dụng nhân sự và quy trình quản lý, phân loại CV ứng tuyển tại Công ty Cổ phần Phần mềm BRAVO.
  • Phạm vi không gian: Nhóm Hành chính nhân sự thuộc Phòng Quản lý tổng hợp, Công ty Cổ phần Phần mềm BRAVO (địa chỉ: 313 Trường Chinh, Thanh Xuân, Hà Nội).
  • Phạm vi thời gian: Nghiên cứu dữ liệu và quy trình quản trị hồ sơ ứng viên tại BRAVO trong giai đoạn từ tháng 04 năm 2021 đến tháng 04 năm 2022.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết dựa trên các định nghĩa chuẩn tắc của học máy (Machine Learning - ML) theo Tom Mitchell (1997), phân chia bài toán thành ba thành phần: kinh nghiệm học $E$ (bộ dữ liệu CV thu thập), tác vụ $T$ (phân loại CV vào các vị trí công việc tương ứng), và thước đo hiệu năng $P$ (độ chính xác phân loại).

Khung lý thuyết phân loại học máy và kỹ thuật trích xuất văn bản được tác giả tổng hợp gồm:

  • Mô hình học có giám sát (Supervised Learning): Tập trung vào bài toán phân loại đa lớp (Multi-class Classification) với tập nhãn mục tiêu hữu hạn là các chức danh tuyển dụng CNTT.
  • Bốn thuật toán phân loại chính được đưa vào phân tích và thực nghiệm so sánh:
    • Cây quyết định (Decision Tree): Sử dụng cấu trúc cây phân cấp với các thuật toán phân nhánh ID3, C4.5.
    • Phân loại Naive Bayes / Mạng Bayesian: Dựa trên định lý xác suất Bayes với giả định các thuộc tính độc lập có điều kiện.
    • k phần tử gần nhất (k-Nearest Neighbors - kNN): Thuật toán học lười (lazy learning) dựa trên độ đo khoảng cách Euclidean và cơ chế bỏ phiếu theo đa số (majority voting).
    • Máy vector hỗ trợ (Support Vector Machine - SVM): Tìm kiếm siêu phẳng phân tách tối ưu hóa biên giữa các lớp dữ liệu.
  • Phương pháp biểu diễn và mã hóa dữ liệu văn bản:
    • Nhóm dựa trên tần suất từ: Mô hình túi từ (CountVectorizer) và kỹ thuật tính trọng số nghịch đảo tần suất văn bản (TF-IDF - Term Frequency-Inverse Document Frequency) nhằm bù trừ cho những từ xuất hiện nhiều nhưng ít mang giá trị thông tin và tăng trọng số cho các thuật ngữ công nghệ quan trọng.
    • Nhóm dựa trên học sâu: Word2vec (kiến trúc CBOW và Skip-gram), FastText (xử lý n-gram ký tự của Facebook AI Research), và GloVe (ma trận toàn cục kết hợp cửa sổ ngữ cảnh).

Phương pháp nghiên cứu thực nghiệm:

  • Tác giả lựa chọn phương pháp nghiên cứu thực nghiệm định lượng trên tập dữ liệu gồm 719 bản ghi CV thuộc 19 vị trí công việc CNTT.
  • Kỹ thuật vector hóa chính thức được áp dụng là TF-IDF, kết hợp chuẩn hóa ma trận thưa trước khi nạp vào 4 thuật toán phân loại (kNN, SVM, Naive Bayes, Decision Tree).
  • Đánh giá hiệu năng bằng Ma trận nhầm lẫn (Confusion Matrix) với các chỉ báo: True Positive (TP), False Positive (FP), True Negative (TN), False Negative (FN) và độ chính xác tổng thể (Accuracy).

Nguồn dữ liệu:

  • Nguồn dữ liệu nội bộ (chiếm 65% tổng tập dữ liệu): Do chị Nguyễn Thị Kỳ Duyên (Bộ phận Nhân sự – Phòng Quản lý tổng hợp, Công ty Cổ phần Phần mềm BRAVO) cung cấp, bao gồm:
    • 187 file CV định dạng PDF từ năm 2021 (chứa đầy đủ thông tin cá nhân như họ tên, ngày sinh, số điện thoại, email).
    • 532 bản ghi CV dạng bảng tính Excel từ năm 2022 (đã được bóc tách tập kỹ năng và loại bỏ thông tin định danh cá nhân nhằm đảm bảo chính sách bảo mật của doanh nghiệp).
  • Nguồn dữ liệu bổ trợ (chiếm 35%): Thu thập từ các diễn đàn việc làm CNTT, mạng xã hội nghề nghiệp (LinkedIn, GitHub) và các trang tuyển dụng trực tuyến.

Nội dung chính theo từng chương

Chương 1: Giới thiệu bài toán và đơn vị đang công tác thực tập

Chương 1 phác thảo bức tranh tổng quan về ngành công nghệ thông tin và quy trình tuyển dụng nhân sự chuyên ngành:

  • Phân loại vị trí việc làm CNTT: Tác giả hệ thống hóa các nhóm ngành lớn gồm Khoa học máy tính, Mạng máy tính và truyền thông, Công nghệ phần mềm (Developer, Kỹ sư phần mềm, Lập trình viên .NET/Java), Kỹ thuật máy tính, Kỹ thuật mạng, và Hệ thống thông tin quản lý (BA, Tester, Quản trị cơ sở dữ liệu).
  • Thực trạng công tác nhân sự tại BRAVO:
    • Tính đến tháng 3/2022, BRAVO có 335 nhân sự chính thức và 157 nhân sự thử việc. Khối lượng hợp đồng với khách hàng đã hoàn thành đạt 55,67%, trong khi 36,48% hợp đồng đang trong giai đoạn triển khai, dẫn đến nhu cầu bổ sung nhân lực rất cấp bách.
    • Trong Quý 1/2022, công ty liên tục đăng tuyển 9 vị trí: Lập trình viên, Nhân viên BA, Nhân viên Bảo hành phần mềm, Nhân viên Test sản phẩm, Nhân viên Giải pháp – Tư vấn, Nhân viên Phát triển sản phẩm, Nhân viên Triển khai phần mềm, Nhân viên Kinh doanh, và Sinh viên thực tập.
    • Quy trình quản lý CV tại BRAVO được đảm nhận bởi 5 cán bộ nhân sự thuộc Phòng Quản lý tổng hợp (tổng nhân sự toàn phòng là 16 người). CV tiếp nhận qua 3 kênh: hòm thư điện tử tuyendunghn@bravo.vn, nộp trực tiếp tại văn phòng, và qua cổng website bravo.com.vn. Toàn bộ thao tác cập nhật và lọc hồ sơ ban đầu đều thực hiện thủ công trên phần mềm BRAVO 8 và Excel trước khi chuyển tiếp cho Trưởng phòng Khối Kỹ thuật duyệt phỏng vấn.
  • Tổng quan các nghiên cứu thực nghiệm quốc tế:
    • Nghiên cứu của nhóm tác giả sử dụng kNN kết hợp Cosine Similarity đạt độ chính xác 98,96%.
    • Nghiên cứu xếp hạng CV bằng NLP và học máy trên dữ liệu đối tác kết hợp LinkedIn/GitHub.
    • Nghiên cứu của nhóm tác giả sử dụng kNN kết hợp thư viện Gensim trên tập dữ liệu Kaggle đạt độ chính xác phân tích cú pháp 85% và ghi điểm 92%.
    • Nghiên cứu sàng lọc 962 CV thuộc 25 vị trí CNTT sử dụng phương pháp One-vs-Rest kết hợp kNN đạt độ chính xác 99%.

Chương 2: Cơ sở lý thuyết các thuật toán học máy cho phân loại CV tự động

Chương 2 đi sâu vào bản chất toán học và cơ chế trích xuất đặc trưng văn bản:

  • Cơ chế phân lớp: Phân tích chi tiết cơ chế hoạt động của thuật toán kNN thông qua công thức khoảng cách Euclidean $d(p, q) = \sqrt{\sum_{i}(p_i - q_i)^2}$, phân tích ảnh hưởng của tham số $k$ (giá trị $k$ quá nhỏ gây nhiễu, $k$ quá lớn làm mất tính cục bộ giữa các lớp). Trình bày nguyên lý cây quyết định (ID3, C4.5), phân loại xác suất Bayes, mạng neural lan truyền ngược (Backpropagation), và phân loại biên SVM.
  • Công thức hóa kỹ thuật TF-IDF: Tần suất từ được chuẩn hóa theo độ dài tài liệu: $$tf(t) = \frac{f(t, d)}{T}$$ (trong đó $f(t, d)$ là số lần xuất hiện của từ $t$ trong văn bản $d$, $T$ là tổng số từ của văn bản). Trọng số nghịch đảo tần suất văn bản được tính bằng: $$idf(t) = \log\left(\frac{N}{|{d \in D: t \in d}|}\right)$$ (với $N$ là tổng số văn bản trong kho ngữ liệu). Trọng số cuối cùng là tích số: $$tf_idf(t) = tf(t) \times idf(t)$$
  • So sánh các mô hình nhúng từ học sâu: Phân tích cơ chế cửa sổ từ của Word2vec (CBOW dự đoán từ mục tiêu từ ngữ cảnh, Skip-gram dự đoán ngữ cảnh từ từ mục tiêu), FastText (tách n-gram ký tự nhằm xử lý từ hiếm hoặc từ ngoài bộ từ điển), và GloVe (kết hợp tối ưu hóa ma trận đồng xuất hiện toàn cục). Tác giả kết luận TF-IDF là giải pháp phù hợp nhất cho tập dữ liệu văn bản CV có kích thước vừa phải và yêu cầu phân tách rõ các từ khóa kỹ thuật.

Chương 3: Xây dựng hệ thống thử nghiệm phân loại CV trong lĩnh vực CNTT bằng các thuật toán học máy

Chương 3 trình bày toàn bộ quy trình thực nghiệm từ chuẩn bị dữ liệu đến huấn luyện mô hình:

  • Quản lý và chuyển đổi dữ liệu thô: 187 hồ sơ PDF được chuyển đổi sang văn bản bằng hai phương thức: thư viện PyPDF2 trong môi trường Python và công cụ Wondershare PDFelement (cho phép xử lý hàng loạt không giới hạn số lượng tệp và bảo toàn chuẩn mã hóa ký tự tiếng Việt).
  • Cấu trúc tập dữ liệu hợp nhất: Tạo lập bảng dữ liệu 719 bản ghi với các trường: Họ tên ứng viên, CV ứng tuyển (dạng văn bản trích xuất hoặc danh mục kỹ năng), và Vị trí ứng tuyển. Tập dữ liệu bao quát 19 vị trí công việc: Sales, Tester, Developer, BA, Python Developer, Web Designing, HR, ETL Developer, Mechanical Engineer, Blockchain, Data Science, Maintenance, Product Development Staff, Solution, Java Developer, Front-End, Software Deployment Staff, Data Analytics, Back-End.
  • Quy trình tiền xử lý dữ liệu:
    • Kiểm tra và xử lý dữ liệu trùng lặp, dữ liệu khuyết thiếu.
    • Làm sạch văn bản: Loại bỏ toàn bộ các ký tự đặc biệt như +, -, $, &, ^, @, / để tạo trường dữ liệu chuẩn hóa Cleaned.
    • Khử nhiễu nhãn tuyển dụng: Chuẩn hóa các cách viết khác nhau, viết hoa/viết thường và đa ngôn ngữ về một nhãn tiếng Anh duy nhất.
    • Chọn lọc thuộc tính: Loại bỏ cột "Họ tên ứng viên" (Name) do không đóng góp giá trị phân loại nghề nghiệp và giúp loại bỏ nguy cơ định kiến.
    • Mã hóa nhãn: Chuyển đổi nhãn việc làm (Jobs) sang dạng số nguyên (ví dụ: BA mã hóa thành 0, Maintenance Staff mã hóa thành 10).
  • Huấn luyện và phân chia tập dữ liệu: Tách tập dữ liệu theo tỷ lệ 80% cho tập huấn luyện (Train set: 571 bản ghi) và 20% cho tập kiểm thử (Test set: 143 bản ghi). Tiến hành huấn luyện 4 mô hình học máy: kNN, SVM, Naive Bayes và Decision Tree trên không gian vector TF-IDF.
  • Thử nghiệm trên hồ sơ thực tế: Kiểm thử dự đoán trên các tệp CV mới độc lập; phân tích các trường hợp dự đoán chính xác (như hồ sơ BA tại vị trí 554) và dự đoán nhầm lẫn (hồ sơ BA tại vị trí 553 bị dự đoán thành Tester do có sự tương đồng lớn về tập từ khóa kiểm thử và phân tích yêu cầu).
Giá trị ban đầu trong dữ liệu thô Giá trị quy chuẩn thống nhất
NVKD Sales
Frontend Developer, Frontend Front-End
Lập trình viên Developer
BACK END Developer, Back-end Back-End
JavaScript, JAVA, Javascript Developer Java Developer
Triển khai Software Deployment Staff
Phát triển sản phẩm Product Development Staff
Bảo hành Maintenance Staff
Giải pháp - Tư vấn Solution Consultant

Thiết kế và triển khai

Do khóa luận hướng đến mục tiêu ứng dụng phần mềm thử nghiệm, tác giả đã xây dựng pipeline kỹ thuật và đề xuất giải pháp tích hợp vào hệ thống phần mềm nghiệp vụ thực tế:

  • Pipeline xử lý dữ liệu:
    • Đầu vào: Tệp CV ứng viên định dạng PDF hoặc danh sách thuộc tính trích xuất từ Excel.
    • Module chuyển đổi & làm sạch: Trích xuất nội dung văn bản thông qua PyPDF2/PDFelement, áp dụng biểu thức chính quy (Regex) loại bỏ ký tự rác, đưa toàn bộ văn bản về chữ thường.
    • Module trích xuất đặc trưng: Vector hóa chuỗi ký tự bằng TfidfVectorizer từ thư viện Scikit-learn.
    • Module phân loại: Nạp ma trận vector vào bộ phân loại học máy đã huấn luyện (kNN, SVM, Naive Bayes, Decision Tree) để trả về nhãn số nguyên, sau đó ánh xạ ngược lại chức danh công việc tương ứng.
  • Đề xuất kiến trúc tích hợp hệ thống phần mềm quản trị BRAVO 8R2:
    • Điểm tích hợp: Phân hệ Quản lý nhân sự của giải pháp phần mềm BRAVO 8R2 đang triển khai tại công ty.
    • Cơ chế vận hành nghiệp vụ: Tận dụng luồng "Duyệt chứng từ" và "Giao diện quản lý hồ sơ ứng viên" có sẵn trên BRAVO 8R2. Khi có hồ sơ mới từ website hoặc email, module học máy sẽ tự động đọc nội dung CV, dự đoán vị trí phù hợp nhất và tự động điền vào trường thông tin tuyển dụng. Cán bộ nhân sự và Trưởng phòng Khối Kỹ thuật chỉ cần kiểm tra kết quả gợi ý trên giao diện danh mục ứng viên để phê duyệt lịch phỏng vấn, giảm thiểu tối đa thao tác nhập liệu thủ công.

Kết quả và đóng góp

Kết quả thực nghiệm:

  • Xây dựng thành công tập dữ liệu 719 bản ghi CV thuộc 19 vị trí CNTT đặc thù tại doanh nghiệp phần mềm Việt Nam, giải quyết triệt để vấn đề không đồng nhất định dạng nhãn ban đầu.
  • Chứng minh tính khả thi của việc ứng dụng kỹ thuật xử lý ngôn ngữ tự nhiên và vector hóa TF-IDF đối với hồ sơ ứng viên song ngữ (tiếng Việt và tiếng Anh).
  • Hoàn thành việc huấn luyện và kiểm thử so sánh hiệu năng 4 thuật toán phân loại học máy có giám sát (kNN, SVM, Naive Bayes, Decision Tree) trên tập kiểm thử gồm 143 mẫu, đồng thời xây dựng ma trận nhầm lẫn chi tiết cho từng mô hình để phân tích các ca dự đoán sai lệch giữa các vị trí có kỹ năng giao thoa (như BA và Tester).

Giải pháp và kiến nghị đề xuất:

  • Kiến nghị doanh nghiệp triển khai tự động hóa khâu tiền sơ loại CV ngay tại điểm tiếp nhận hồ sơ, thay thế hình thức nhập liệu thủ công trên Excel.
  • Đề xuất tích hợp module học máy trực tiếp vào phân hệ Nhân sự của hệ thống BRAVO 8R2 nhằm chuẩn hóa quy trình tiếp nhận, tự động gán nhãn hồ sơ và phân luồng duyệt tuyển dụng nhanh chóng.

Đóng góp của nghiên cứu:

  • Đặt nền tảng nghiên cứu thực nghiệm về ứng dụng học máy trong phân loại CV ứng tuyển CNTT tại thị trường Việt Nam – một hướng nghiên cứu mà tác giả ghi nhận chưa có báo cáo công bố chính thức trong nước ở thời điểm thực hiện khóa luận (năm 2022).
  • Cung cấp mô hình quy trình xử lý dữ liệu thực tế từ khâu tiếp nhận tài liệu đa định dạng, xử lý bảo mật thông tin cá nhân, đến chuẩn hóa nhãn công việc trong một doanh nghiệp phát triển phần mềm ERP cụ thể.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

  • Quy mô dữ liệu còn hạn chế (719 bản ghi), trong đó 532 bản ghi từ năm 2022 chỉ có tập kỹ năng tóm tắt do ràng buộc bảo mật dữ liệu nhân sự của công ty, chưa phản ánh toàn diện toàn bộ nội dung chi tiết của bản CV gốc.
  • Dữ liệu thu thập chủ yếu từ một đơn vị thực tập (BRAVO) và phân bổ số lượng CV giữa 19 vị trí công việc chưa thực sự đồng đều, dẫn đến nguy cơ mất cân bằng dữ liệu giữa các lớp.
  • Khâu chuyển đổi định dạng PDF sang văn bản vẫn phải phụ thuộc vào phần mềm bên ngoài (Wondershare PDFelement) để xử lý tiếng Việt ổn định, chưa xây dựng được module chuyển đổi hoàn toàn tự động khép kín trong mã nguồn.

Hướng nghiên cứu tiếp:

  • Mở rộng quy mô và nguồn thu thập dữ liệu CV từ nhiều doanh nghiệp và nền tảng tuyển dụng công nghệ khác nhau để nâng cao tính phổ quát của mô hình.
  • Thử nghiệm các mô hình biểu diễn từ nâng cao dựa trên học sâu (Word2vec, FastText, GloVe) và các kiến trúc mạng nơ-ron học sâu hoặc transformer để cải thiện độ chính xác phân loại ngữ nghĩa.
  • Mở rộng bài toán từ phân loại đơn thuần (Classification) sang bài toán xếp hạng hồ sơ (Resume Ranking), cho phép tính toán điểm tương đồng giữa CV và Bản mô tả công việc (Job Description - JD) cụ thể.
  • Đóng gói mã nguồn thành dịch vụ API hoặc module add-in độc lập để kết nối trực tiếp vào cơ sở dữ liệu của phần mềm quản trị BRAVO 8R2.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo thực nghiệm hữu ích cho nhiều nhóm đối tượng:

  • Sinh viên chuyên ngành Hệ thống thông tin quản lý, Khoa học dữ liệu và Công nghệ thông tin: Có thể tham khảo phương pháp luận kết hợp giữa bài toán nghiệp vụ quản trị doanh nghiệp (nhân sự) với kỹ thuật học máy có giám sát; quy trình tiền xử lý dữ liệu văn bản hỗn hợp (tiếng Việt - tiếng Anh).
  • Kỹ sư phát triển phần mềm ERP và chuyên viên phân tích nghiệp vụ (BA): Nắm bắt phương thức thiết kế luồng tích hợp tính năng học máy thông minh vào các phân hệ nghiệp vụ quản trị nguồn nhân lực truyền thống.
  • Cán bộ quản lý nhân sự tại các doanh nghiệp công nghệ: Tham khảo các tiêu chí chuẩn hóa dữ liệu hồ sơ và đánh giá tiềm năng tự động hóa khâu sàng lọc ứng viên nhằm giảm tải áp lực tuyển dụng.
  • Phần nội dung đáng tham khảo nhất: Chi tiết các bước tiền xử lý dữ liệu tại Mục 3.2 (quy chuẩn hóa nhãn, khử nhiễu ký tự đặc biệt) và phương pháp luận thiết lập ma trận nhầm lẫn để kiểm soát lỗi phân loại chéo giữa các chức danh công nghệ có tập kỹ năng tương tự.

Câu hỏi thường gặp

1. Bộ dữ liệu thực nghiệm trong khóa luận được thu thập từ những nguồn nào và có quy mô cụ thể ra sao?
Tập dữ liệu gồm 719 bản ghi CV ứng viên thuộc 19 vị trí công việc CNTT. Trong đó, 65% dữ liệu được cung cấp bởi Bộ phận Nhân sự - Phòng Quản lý tổng hợp của Công ty Cổ phần Phần mềm BRAVO (gồm 187 CV dạng PDF thu thập từ năm 2021 và 532 CV dạng bảng tính Excel đã trích lọc kỹ năng từ năm 2022); 35% dữ liệu còn lại được thu thập từ các diễn đàn việc làm và trang mạng xã hội nghề nghiệp.

2. Tác giả đã giải quyết vấn đề không đồng nhất giữa các nhãn vị trí ứng tuyển (nhiễu nhãn) bằng cách nào?
Do dữ liệu thu thập từ nhiều nguồn có cách ghi khác nhau giữa tiếng Việt, tiếng Anh và cách viết hoa/thường, tác giả đã tiến hành chuẩn hóa 9 nhóm nhãn công việc về một tên chuẩn duy nhất bằng tiếng Anh (ví dụ: gộp các nhãn "JavaScript", "JAVA", "Javascript Developer" thành "Java Developer"; quy đổi "Lập trình viên" thành "Developer"; gộp "Frontend Developer", "Frontend" thành "Front-End").

3. Khóa luận sử dụng kỹ thuật mã hóa văn bản nào và so sánh những thuật toán học máy nào?
Tác giả sử dụng kỹ thuật TF-IDF (Term Frequency-Inverse Document Frequency) để mã hóa dữ liệu văn bản thành các vector số học sau khi làm sạch ký tự đặc biệt. Trên không gian vector này, 4 thuật toán học máy có giám sát được huấn luyện và so sánh hiệu năng gồm: k phần tử gần nhất (kNN), Máy vector hỗ trợ (SVM), Naive Bayes và Cây quyết định (Decision Tree).

4. Vì sao trường thông tin "Họ tên ứng viên" (Name) bị loại bỏ khỏi tập dữ liệu huấn luyện?
Thuộc tính "Họ tên ứng viên" không mang giá trị ngữ nghĩa hay thông tin kỹ năng quyết định đến chuyên môn của vị trí ứng tuyển. Việc loại bỏ thuộc tính này giúp giảm thiểu độ nhiễu cho ma trận đặc trưng, tăng tốc độ tính toán của thuật toán, đồng thời loại bỏ nguy cơ mô hình đưa ra các quyết định phân loại thiên vị dựa trên tên tuổi ứng viên.

5. Mô hình phân loại được đề xuất tích hợp vào phần mềm của BRAVO theo cơ chế nào?
Tác giả đề xuất tích hợp module phân loại vào Phân hệ Quản lý nhân sự của phần mềm BRAVO 8R2, liên kết trực tiếp với tính năng "Duyệt chứng từ" và "Giao diện quản lý hồ sơ ứng viên". Khi hồ sơ được nạp vào hệ thống, module học máy sẽ tự động trích xuất nội dung, gán nhãn vị trí công việc dự đoán vào trường dữ liệu tương ứng để hỗ trợ cán bộ nhân sự và lãnh đạo chuyên môn phê duyệt nhanh danh sách ứng viên vào vòng phỏng vấn.

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Thị Kiều Trang đã giải quyết trọn vẹn bài toán ứng dụng học máy vào tự động hóa khâu sơ loại hồ sơ ứng viên ngành Công nghệ thông tin tại Công ty Cổ phần Phần mềm BRAVO. Công trình đã chuẩn hóa thành công quy trình xử lý dữ liệu từ tiếp nhận hồ sơ đa định dạng, làm sạch văn bản, trích xuất đặc trưng bằng TF-IDF đến thực nghiệm so sánh 4 mô hình phân loại phổ biến (kNN, SVM, Naive Bayes, Decision Tree). Kết quả nghiên cứu không chỉ mang lại giá trị thực nghiệm trong việc giảm thiểu thời gian và định kiến tuyển dụng mà còn đưa ra giải pháp tích hợp khả thi vào phần mềm ERP BRAVO 8R2 phục vụ công tác quản trị nhân sự thực tế.