Hệ thống phân tích và đánh giá CV thông minh

Đồ án hệ thống phân tích và đánh giá CV thông minh tại Trường ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Lê Trạc Tiến
• Người hướng dẫn: ThS. Lê Minh Tân
• Trường học: Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Hệ thống phân tích và đánh giá CV thông minh
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan hệ thống phân tích và đánh giá CV thông minh tại HCMUTE

Đồ án tốt nghiệp ngành Công nghệ Thông tin tại Trường Đại học Sư phạm Kỹ thuật TP.HCM ghi nhận đề tài nghiên cứu nổi bật về tuyển dụng số. Đề tài do sinh viên Lê Trạc Tiến và Lê Chánh Thành Tín thực hiện. Giảng viên hướng dẫn là ThS. Lê Minh Tân. Hệ thống ra đời nhằm giải quyết nhu cầu tự động hóa quy trình sàng lọc nhân sự ngày càng tăng cao. Các doanh nghiệp hiện nay đối mặt với khối lượng hồ sơ ứng tuyển khổng lồ. Việc đọc từng bản lý lịch thủ công tiêu tốn rất nhiều thời gian và chi phí. Nhân viên nhân sự dễ gặp tình trạng mệt mỏi dẫn đến sai sót. Đánh giá thủ công còn tiềm ẩn nguy cơ thiếu khách quan giữa các ứng viên. Hệ thống phân tích và đánh giá CV thông minh cung cấp một công cụ hỗ trợ toàn diện. Phần mềm ứng dụng các thành tựu mới nhất trong ngành trí tuệ nhân tạo. Dữ liệu ứng viên được tiếp nhận, xử lý cấu trúc và phân tích theo tiêu chí rõ ràng. Nền tảng giúp tối ưu hóa thời gian lọc hồ sơ xuống mức tối thiểu. Đồng thời, chất lượng tuyển dụng được nâng cao nhờ quy trình chấm điểm khoa học và minh bạch.

1.1. Bối cảnh phát triển đề tài nghiên cứu

Thị trường lao động chứng kiến sự bùng nổ của hồ sơ xin việc số. Doanh nghiệp thường nhận hàng trăm hồ sơ cho mỗi đợt tuyển dụng. Phương pháp lọc CV thủ công truyền thống bộc lộ nhiều điểm hạn chế. Quy trình đòi hỏi nhân sự làm việc liên tục trong nhiều giờ. Sai sót do mệt mỏi và cảm tính cá nhân rất khó tránh khỏi. Khoa Công nghệ Thông tin tại ĐH Sư phạm Kỹ thuật TP.HCM đã nắm bắt bài toán thực tế này. Nhóm nghiên cứu thuộc bộ môn Trí tuệ Nhân tạo quyết định xây dựng giải pháp công nghệ mới. Mục tiêu trọng tâm là kiến tạo phần mềm tự động hóa toàn diện khâu sơ tuyển. Ứng dụng giúp xóa bỏ áp lực xử lý dữ liệu lớn cho các phòng nhân sự.

1.2. Mục tiêu nghiên cứu và phạm vi đồ án

Đồ án hướng đến mục tiêu thiết kế công cụ sàng lọc CV chính xác và linh hoạt. Hệ thống hỗ trợ xử lý nhiều định dạng hồ sơ đầu vào khác nhau. Phần mềm tự động bóc tách các trường thông tin quan trọng của ứng viên. Kỹ năng, kinh nghiệm công tác và trình độ học vấn được chuẩn hóa chi tiết. Bên cạnh đó, hệ thống cung cấp giao diện quản lý trực quan cho nhà tuyển dụng. Người dùng có quyền tùy chỉnh trọng số đánh giá theo từng vị trí công việc cụ thể. Điểm số ứng viên được tính toán hoàn toàn khách quan theo thang đo chuẩn mực. Hội đồng bảo vệ đánh giá đồ án đạt loại Giỏi nhờ tính ứng dụng thực tiễn cao.

II. Thách thức nghiên cứu hệ thống phân tích và đánh giá CV thông minh

Quy trình xử lý hồ sơ xin việc luôn đối diện với nhiều rào cản phức tạp. Đầu tiên là sự đa dạng của các định dạng tài liệu nộp về. Mỗi ứng viên sử dụng một phong cách thiết kế và bố cục trình bày riêng biệt. Bố cục CV bán cấu trúc tạo ra thử thách rất lớn cho máy tính khi trích xuất dữ liệu. Nhiều tài liệu ở dạng tệp hình ảnh hoặc tệp PDF scan chất lượng thấp. Văn bản thô sau khi quét thường chứa nhiều tạp âm, lỗi ký tự và khoảng trắng dư thừa. Hơn nữa, việc hiểu đúng ngữ cảnh chuyên môn trong CV là bài toán hóc búa. Các từ viết tắt chuyên ngành hoặc kỹ năng đồng nghĩa dễ bị bỏ sót. Nếu chỉ dùng thuật toán so khớp từ khóa cơ bản, kết quả đánh giá sẽ thiếu chính xác. Nhà tuyển dụng cũng gặp khó khăn khi phải định lượng các tiêu chí tuyển dụng khác nhau. Một số vị trí ưu tiên bằng cấp học vấn, trong khi vị trí khác lại cần kinh nghiệm thực chiến. Việc áp đặt thang điểm cố định cho mọi ngành nghề làm giảm hiệu quả tuyển chọn. Nghiên cứu của nhóm sinh viên HCMUTE đã chỉ rõ các điểm nghẽn kỹ thuật này để tìm ra phương án tháo gỡ phù hợp.

2.1. Rào cản định dạng văn bản và nhiễu dữ liệu

CV gửi về phòng nhân sự thường tồn tại dưới nhiều dạng tệp khác nhau. Tệp PDF hình ảnh hoặc tài liệu quét qua máy scanner thường có chất lượng không đồng đều. Ký tự quang học bị mờ nhòe hoặc chồng chéo lên nhau. Văn bản trích xuất sau bước nhận diện quang học thường chứa rất nhiều ký tự điều khiển lạ. Ngoài ra, mã Unicode không thống nhất tạo ra các biến thể sai lệch về ký tự hiển thị. Dấu câu thừa và khoảng trắng ngắt quãng xuất hiện dày đặc khắp các dòng văn bản. Những yếu tố nhiễu loạn này làm sai lệch nghiêm trọng thuật toán phân tách câu sau đó. Nếu không được làm sạch cẩn thận, toàn bộ quy trình nhận diện ngữ nghĩa tiếp theo sẽ thất bại hoàn toàn.

2.2. Khó khăn trong việc định lượng và chuẩn hóa tiêu chí

Mỗi doanh nghiệp đặt ra những tiêu chuẩn tuyển dụng rất khác biệt. Vị trí lập trình viên đòi hỏi chuyên sâu về ngôn ngữ lập trình và dự án thực tế. Ngược lại, vị trí quản trị dự án yêu cầu cao về kỹ năng lãnh đạo và chứng chỉ ngành. Các phương pháp sàng lọc truyền thống thường gắn điểm số cố định cho từng từ khóa. Cách tiếp cận cứng nhắc này bỏ quên ngữ cảnh biểu đạt của ứng viên. Những người viết CV súc tích có thể bị đánh giá thấp hơn người liệt kê nhiều từ khóa. Bên cạnh đó, việc thiếu cơ chế gán trọng số linh hoạt khiến kết quả tuyển dụng không sát với kỳ vọng. Doanh nghiệp dễ bỏ lỡ nhiều nhân tài phù hợp cho từng giai đoạn phát triển cụ thể.

III. Kiến trúc kỹ thuật hệ thống phân tích và đánh giá CV thông minh

Hệ thống của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM tích hợp đa tầng công nghệ. Đầu tiên, mô hình OCR tiến hành quét và trích xuất dữ liệu từ các tệp CV dạng ảnh hoặc PDF. Văn bản sau trích xuất bước vào giai đoạn tiền xử lý kỹ thuật số nghiêm ngặt. Hệ thống chuẩn hóa bảng mã Unicode để đưa các biến thể ký tự về một thể thống nhất. Quy trình tiếp theo loại bỏ các ký tự lạ, dấu câu không hợp lệ và khoảng trắng thừa. Toàn bộ văn bản được chuyển về dạng chữ thường nhằm giảm bớt sự phân tán từ vựng. Bước này dọn đường thuận lợi cho các thuật toán tách từ và gán nhãn thực thể. Tiếp đó, hệ thống ứng dụng các mô hình ngôn ngữ lớn như GPT, BERT và T5. Các mô hình LLMs phân tích sâu ngữ cảnh câu từ và trích xuất kinh nghiệm công tác chính xác. Nền tảng tự động đối chiếu thông tin ứng viên với tiêu chuẩn công việc. Sau cùng, thuật toán tiến hành tính toán điểm số và xếp hạng tự động. Bộ công thức định lượng giúp tạo ra bảng xếp hạng ứng viên minh bạch và khách quan.

3.1. Tiền xử lý văn bản NLP và làm sạch dữ liệu

Giai đoạn tiền xử lý đóng vai trò nền tảng quyết định độ chính xác của toàn hệ thống. Văn bản thô sau khi trích xuất được chuẩn hóa hoàn toàn về chuẩn mã Unicode chung. Các biến thể ký tự tượng hình và ký tự điều khiển vô hình đều bị triệt tiêu. Thuật toán tiến hành làm sạch ký tự bằng cách loại bỏ biểu tượng không thuộc tập hợp cho phép. Văn bản sau đó được chuyển đổi đồng bộ sang chữ thường. Việc này hạn chế tối đa sự phân mảnh từ vựng do cách viết hoa tùy tiện của ứng viên. Cuối cùng, hệ thống xử lý các khoảng trắng ngắt quãng và dấu câu liên tiếp. Dữ liệu đầu vào trở nên gọn gàng, tạo điều kiện thuận lợi cho bước trích xuất thực thể chuyên sâu.

3.2. Ứng dụng mô hình LLM và cơ chế xếp hạng linh hoạt

Mô hình ngôn ngữ lớn đóng vai trò hạt nhân phân tích ngữ nghĩa trong hệ thống. Các kiến trúc tiên tiến như BERT, GPT hoặc T5 được tích hợp để hiểu ngữ cảnh sâu sắc. Mô hình thực hiện bóc tách thực thể tên riêng, trình độ học vấn và danh mục kỹ năng. Sau khi dữ liệu hoàn tất chuẩn hóa, hệ thống kích hoạt cơ chế chấm điểm tự động. Nhà tuyển dụng được trao quyền thiết lập trọng số riêng cho từng tiêu chí đánh giá. Tỷ trọng điểm số giữa kinh nghiệm làm việc và bằng cấp có thể thay đổi linh hoạt. Thuật toán tổng hợp điểm số dựa trên bộ công thức toán học minh bạch. Danh sách ứng viên ưu tiên được tự động sắp xếp theo thứ tự điểm từ cao xuống thấp.

IV. Ứng dụng thực tế của hệ thống phân tích và đánh giá CV thông minh

Đồ án tốt nghiệp tại Trường Đại học Sư phạm Kỹ thuật TP.HCM mang lại giá trị thực tiễn to lớn cho ngành nhân sự số. Phần mềm cung cấp giao diện web trực quan, hiện đại và rất thân thiện với người dùng. Các tính năng tải tệp, xử lý dữ liệu và xem báo cáo được bố trí khoa học. Doanh nghiệp có thể tiết kiệm đến hàng trăm giờ lao động thủ công trong mỗi đợt tuyển quân. Đội ngũ nhân sự không còn phải đối diện với áp lực sàng lọc hàng ngàn hồ sơ giấy tờ. Hệ thống bảo đảm tính minh bạch, hạn chế tối đa các thiên kiến chủ quan trong quá trình tuyển chọn. Các báo cáo phân tích chi tiết hỗ trợ đắc lực cho người quản lý đưa ra quyết định cuối cùng. Nghiên cứu khẳng định tiềm năng ứng dụng mạnh mẽ của trí tuệ nhân tạo vào quản trị nhân lực. Trong tương lai, hệ thống có thể mở rộng kết nối với các sàn tuyển dụng lớn để tạo nên hệ sinh thái việc làm khép kín.

4.1. Tối ưu hóa hiệu suất tuyển dụng doanh nghiệp

Hệ thống tạo ra bước đột phá về năng suất làm việc cho phòng ban nhân sự. Thời gian đọc và lọc hồ sơ giảm đi nhiều lần so với thao tác thủ công. Nhân viên tuyển dụng có thể dành thời gian tập trung vào việc phỏng vấn sâu và gắn kết ứng viên. Giao diện trực quan cho phép xuất báo cáo đánh giá chỉ bằng vài cú nhấp chuột. Dữ liệu ứng viên được lưu trữ ngăn nắp, hỗ trợ tra cứu lịch sử phỏng vấn dễ dàng. Doanh nghiệp hạn chế tối đa nguy cơ bỏ sót các hồ sơ tiềm năng trong mùa cao điểm tuyển dụng. Toàn bộ chi phí vận hành quy trình nhân sự nhờ đó được tiết giảm đáng kể.

4.2. Hướng phát triển và hoàn thiện đề tài trong tương lai

Nhận xét từ các giảng viên hướng dẫn và phản biện mở ra nhiều triển vọng nâng cấp cho đồ án. Hệ thống cần tiếp tục bổ sung các thử nghiệm chuyên sâu về tác động của trọng số tiêu chí. Việc chuẩn hóa tập dữ liệu chấm điểm chuẩn từ các chuyên gia nhân sự thực tế sẽ gia tăng độ tin cậy. Nhóm nghiên cứu có thể tích hợp thêm khả năng phân tích video phỏng vấn tự động trong tương lai. Tính năng kiểm tra phát hiện CV viết bằng trí tuệ nhân tạo tạo sinh cũng là một hướng mở hữu ích. Sự kết hợp giữa công nghệ AI và nền tảng dữ liệu đám mây sẽ giúp hệ thống mở rộng quy mô phục vụ nhiều doanh nghiệp cùng lúc.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong hoạt động quản trị nhân sự hiện đại, quy trình tuyển dụng đóng vai trò quyết định đến năng lực cạnh tranh và chiến lược phát triển của doanh nghiệp. Khi các đợt tuyển dụng thu hút hàng trăm đến hàng nghìn hồ sơ (CV), việc rà soát thủ công đòi hỏi nguồn nhân lực lớn, tiêu tốn nhiều thời gian và dễ phát sinh sai sót mang tính chủ quan. Thực trạng này làm gia tăng nguy cơ bỏ sót các ứng viên tiềm năng và kéo dài thời gian phản hồi. Để giải quyết các điểm nghẽn trên, chuyển đổi số quy trình tuyển dụng thông qua việc tích hợp trí tuệ nhân tạo (AI), nhận dạng ký tự quang học (OCR), xử lý ngôn ngữ tự nhiên (NLP) và các mô hình ngôn ngữ lớn (LLMs) đã trở thành hướng tiếp cận được quan tâm nhằm tự động hóa việc sàng lọc, chuẩn hóa dữ liệu và gia tăng tính khách quan.

Tác giả đã tiến hành khảo sát các giải pháp công nghệ hiện hữu trên thị trường và trong nghiên cứu học thuật:

Tiêu chí	JobsGO.vn	RezScore	ResumeFlow
Mức độ tự động hóa	Bán tự động	Tự động hoàn toàn	Tự động với AI nâng cao
Tốc độ xử lý	Trung bình	Rất nhanh	Nhanh, phụ thuộc tài nguyên AI
Mức độ phân tích	Chi tiết từng mục	Tổng quát, chấm điểm chung	Rất chi tiết, dựa trên ngữ nghĩa và kỹ năng
Gợi ý cải thiện	Có, cụ thể	Không	Có, cá nhân hóa theo JD
Khả năng xử lý số lượng lớn	Không phù hợp	Phù hợp	Có thể mở rộng với hạ tầng phù hợp
Khả năng cá nhân hóa	Trung bình	Thấp	Cao
Đối tượng phù hợp	Ứng viên cá nhân muốn cải thiện CV	Doanh nghiệp cần đánh giá nhanh	Cá nhân và doanh nghiệp trong môi trường AI

Từ phân tích trên, nhóm nghiên cứu nhận thấy các công cụ hiện hành tồn tại khoảng trống: các hệ thống xử lý nhanh thường chỉ chấm điểm chung mà thiếu diễn giải chi tiết, trong khi các hệ thống phân tích sâu lại đòi hỏi hạ tầng phức tạp hoặc chỉ hoạt động ở mức bán tự động. Do đó, việc xây dựng một hệ thống cân bằng giữa tốc độ xử lý, độ chính xác phân tích và khả năng phản hồi chi tiết theo từng tiêu chí là yêu cầu thực tiễn cấp bách.

Mục tiêu chung của đề tài là nghiên cứu và phát triển một hệ thống đánh giá CV thông minh, ứng dụng OCR, NLP và LLMs để tự động hóa quy trình thu thập, trích xuất và đánh giá hồ sơ ứng viên một cách chính xác, khách quan và hiệu quả. Các nhiệm vụ nghiên cứu cụ thể bao gồm:

1. Nghiên cứu cơ sở lý thuyết: Tìm hiểu tổng quan hệ thống đánh giá CV; các kỹ thuật xử lý văn bản và hình ảnh; khảo sát tiêu chí đánh giá chất lượng CV; phân tích công cụ sẵn có; nghiên cứu thiết kế UI/UX cho nhà tuyển dụng; nghiên cứu chuyên sâu về LLMs và kỹ thuật Prompt Engineering.
2. Xây dựng bộ dữ liệu: Thu thập CV thực tế từ sinh viên ngành Công nghệ Thông tin (CNTT) và các nguồn dữ liệu mở ở các định dạng PDF, DOCX, TXT, HTML, ảnh scan; thực hiện tiền xử lý dữ liệu (chuẩn hóa, loại bỏ ký tự nhiễu, tách nội dung); gán nhãn dữ liệu thử nghiệm và lựa chọn mẫu đại diện.
3. Thiết kế hệ thống: Thiết kế kiến trúc tổng thể theo hướng module hóa gồm các module thu thập CV, trích xuất thông tin, đánh giá chấm điểm và phản hồi kết quả; xây dựng quy trình khép kín từ khâu tiếp nhận email đến hiển thị báo cáo và gửi thông báo; thiết kế giao diện UI/UX quản lý tuyển dụng.
4. Xây dựng, kiểm thử và tối ưu: Cài đặt các thư viện MarkItDown, EasyOCR, tích hợp mô hình Gemma 2 9B; áp dụng Prompt Engineering theo từng tiêu chí; xây dựng module xử lý email ứng tuyển tự động; tiến hành kiểm thử trên tập dữ liệu 50 CV thực tế để đo lường tốc độ xử lý, độ chính xác và mức độ tương thích so với đánh giá thủ công.

Đối tượng nghiên cứu là nội dung thông tin trong hồ sơ ứng viên ngành CNTT (học vấn, kinh nghiệm làm việc, kỹ năng chuyên môn, kỹ năng mềm, dự án, chứng chỉ, bằng khen). Các hoạt động như phỏng vấn trực tiếp, kiểm tra tham chiếu (reference check), kiểm tra tâm lý hay đánh giá chuyên sâu (assessment center) không thuộc phạm vi đề tài. Phạm vi không gian và dữ liệu thực nghiệm được triển khai với sinh viên Khoa Công nghệ Thông tin, Trường Đại học Sư phạm Kỹ thuật TP.HCM và dữ liệu mở; ngôn ngữ xử lý giới hạn ở tiếng Việt và tiếng Anh; định dạng tệp bao gồm PDF, DOCX, TXT, HTML chuẩn và ảnh scan. Thời gian thực hiện khóa luận kéo dài từ ngày 06/01/2025 đến ngày 06/06/2025.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đề tài được cấu thành từ ba trụ cột: trích xuất thông tin từ tài liệu phi cấu trúc, học sâu trong xử lý hình ảnh và mô hình ngôn ngữ lớn kết hợp thang đo rubric phân tích (analytic rubric).

Về kỹ thuật thị giác máy tính, đề tài tích hợp thuật toán Haar Cascade để xác định tọa độ và cắt vùng khuôn mặt ứng viên từ ảnh trích xuất trong CV. Sau đó, mô hình Vision Transformer (ViT) được sử dụng để phân loại giới tính. ViT xử lý ảnh đầu vào bằng cách chia nhỏ thành các mảnh (patches) kích thước 16x16 pixel và ánh xạ qua các lớp Transformer Encoder tương tự xử lý ngôn ngữ.

Về xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn, nghiên cứu sử dụng mô hình Gemma 2 9B do Google phát triển. Mô hình có cấu trúc 42 lớp Transformer, kích thước embedding 3584, chiều dài ngữ cảnh 8192 token, 16 đầu attention với cơ chế Grouped-Query Attention (GQA, 8 nhóm Key-Value, số nhóm truy vấn là 2), kết hợp cơ chế sliding window attention (4096 token) xen kẽ global attention (8192 token), kích thước feedforward là 14336 và kỹ thuật logit soft-capping (hệ số 50.0 cho self-attention và 30.0 cho lớp cuối). Gemma 2 9B được huấn luyện trên 8 nghìn tỷ token, kết hợp chưng cất tri thức (Knowledge Distillation) từ mô hình 27B và được định lượng về mức Q5_K (dung lượng 6.03 GiB) theo chuẩn tệp GGUF v3 để vận hành trên môi trường máy chủ cục bộ.

Phương pháp nghiên cứu thực nghiệm được triển khai thông qua pipeline xử lý đa giai đoạn:

• Trích xuất dữ liệu: Sử dụng thư viện MarkItDown của Microsoft để chuyển đổi các tệp bán cấu trúc sang định dạng Markdown; sử dụng Poppler kết xuất tài liệu scan/PDF thành ảnh bitmap độ phân giải cao (300 DPI); sử dụng EasyOCR (hỗ trợ hơn 80 ngôn ngữ) để bóc tách văn bản thô.
• Tiền xử lý NLP: Chuẩn hóa toàn bộ ký tự về định dạng Unicode nhất quán, loại bỏ ký tự điều khiển và biểu tượng nhiễu, chuyển văn bản về chữ thường (lowercase), loại bỏ khoảng trắng dư thừa và chuẩn hóa dấu ngắt câu.
• Trích xuất nâng cao và đánh giá: Ứng dụng thư viện Kor kết hợp Gemma 2 9B để trích xuất các thực thể thông tin thành cấu trúc JSON; áp dụng kỹ thuật Prompt Engineering (Zero-shot, Few-shot, Instruction Tuning, Chain-of-Thought) để mô hình phân tích và lập luận điểm số.
• Phương pháp tính điểm: Áp dụng thang đo rubric phân tích (analytic rubric), chia nhỏ hồ sơ thành bốn nhóm tiêu chí: Nền tảng học vấn (Background), Dự án và kinh nghiệm (Project), Kỹ năng (Skill), Chứng chỉ (Certification). Công thức tính điểm thành phần và tổng điểm như sau:

$$\text{Điểm tiêu chí}_i = \text{Tỷ trọng}_i \times \frac{\text{Điểm đạt được}_i}{\text{Điểm tối đa}_i}$$

$$\text{Tổng điểm CV} = \sum_{i=1}^{n} \left( \text{Tỷ trọng}_i \times \frac{\text{Điểm đạt được}_i}{\text{Điểm tối đa}_i} \right)$$

Trong đó, tổng tỷ trọng của tất cả các tiêu chí bằng 100%. Điểm số phản ánh tỷ lệ phần trăm mức độ đáp ứng yêu cầu công việc.

Nguồn dữ liệu sử dụng trong nghiên cứu gồm hai tập:

1. Dữ liệu huấn luyện mô hình thị giác: Tập dữ liệu Vietnamese Celebrity Faces Dataset từ Kaggle gồm 8.500 ảnh khuôn mặt người Việt Nam, được chọn lọc thành 3.563 ảnh nam và 3.636 ảnh nữ, phân chia theo tỷ lệ 80% train, 10% validation và 10% test.
2. Dữ liệu đánh giá hệ thống: Tập dữ liệu 50 CV thực tế của sinh viên Khoa Công nghệ Thông tin, Trường Đại học Sư phạm Kỹ thuật TP.HCM và các nguồn mở.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo kiến trúc module hóa hướng dịch vụ, tích hợp cơ chế tự động hóa từ khâu nạp dữ liệu đến tương tác người dùng.

Quy trình vận hành tổng thể:

1. Thu nhận hồ sơ: Module tiếp nhận tự động quét và tải CV gửi về từ hòm thư điện tử tuyển dụng.
2. Tiền xử lý hình ảnh và trích xuất đặc trưng: Tệp PDF được phân tách luồng ảnh. Thuật toán Haar Cascade xác định vùng mặt và mô hình ViT thực hiện phân loại giới tính.
3. Chuyển đổi và làm sạch văn bản: Tệp văn bản hoặc ảnh scan được xử lý song song qua MarkItDown hoặc Poppler (300 DPI) kết hợp EasyOCR. Chuỗi ký tự thô được làm sạch bằng module NLP (Unicode, lowercase, dọn khoảng trắng).
4. Phân tích ngữ nghĩa và chấm điểm bằng LLM: Module tích hợp Kor và Gemma 2 9B trích xuất các thuộc tính cá nhân và thuộc tính chuyên môn vào schema JSON. Dữ liệu này được đối chiếu với kịch bản tuyển dụng (Job Description) và bộ tiêu chí bằng Prompt Engineering để tính toán điểm số định lượng theo công thức analytic rubric, đồng thời sinh nhận xét định tính (ưu điểm, khuyết điểm, đề xuất vị trí).
5. Quản trị và phản hồi: Dữ liệu lưu trữ tại cơ sở dữ liệu MongoDB. Giao diện người dùng nền web xây dựng trên framework Vue.js cho phép bộ phận nhân sự rà soát kết quả, tùy biến trọng số, cập nhật điểm, thiết lập lịch phỏng vấn và gửi email tự động (thư mời, thông báo trúng tuyển hoặc từ chối).

Cấu hình phần cứng triển khai máy chủ (Zeppelin Server):

• Vi xử lý: Intel Core i9-10900X (10 nhân, 20 luồng).
• Bộ nhớ RAM: 64 GB DDR4; Lưu trữ: Ổ cứng HDD 1 TB.
• Bộ xử lý đồ họa (Dual GPU): GPU 1 là Tesla P100-PCIE (16 GB VRAM); GPU 2 là RTX 3090 SUPRIM X (24 GB VRAM).
• Hệ điều hành: Microsoft Windows 10 phiên bản 22H2.

Thông số cấu hình môi trường suy luận cho mô hình Gemma 2 9B:

• Mức định lượng: Q5_K định dạng GGUF v3 (kích thước mô hình 6.03 GiB; bộ đệm Key-Value cache 3286.50 MiB).
• Phân bổ tính toán song song: Thiết lập tensor_split=[0.4, 0.6] (40% tính toán trên Tesla P100 và 60% trên RTX 3090); n_gpu_layers=-1 (chuyển toàn bộ các lớp lên GPU).
• Siêu tham số suy luận: temperature=0 (triệt tiêu tính ngẫu nhiên, bảo đảm kết quả nhất quán); n_ctx=8192 (chiều dài ngữ cảnh tối đa); max_tokens=2048; f16_kv=False; số luồng CPU bằng os.cpu_count() - 1; kích hoạt chế độ streaming=True.

Nội dung chính theo từng chương

Chương 1: Lý thuyết liên quan

Chương 1 hệ thống hóa cơ sở lý luận về ứng dụng AI trong tuyển dụng nhân sự, phân tích vai trò chuyển đổi từ việc lọc từ khóa truyền thống sang đánh giá ngữ nghĩa chuyên sâu bằng LLMs. Tác giả trình bày chi tiết kỹ thuật trích xuất văn bản bán cấu trúc, công nghệ OCR (đặc biệt là EasyOCR), các phương pháp tiền xử lý văn bản và cơ chế prompting (Zero-shot, Few-shot, Chain-of-Thought) nhằm chuẩn hóa dữ liệu đầu ra dưới dạng JSON.

Nội dung chương trình bày chi tiết quá trình tinh chỉnh (fine-tune) mô hình Vision Transformer (ViT) cho bài toán phân loại giới tính từ ảnh CV. Ảnh đầu vào từ tập dữ liệu Vietnamese Celebrity Faces được chuẩn hóa về kích thước 224x224 pixel, áp dụng kỹ thuật lật ngang tăng cường dữ liệu. Quá trình huấn luyện sử dụng hàm mất mát Cross Entropy Loss và bộ tối ưu hóa AdamW với các siêu tham số được xác lập cụ thể:

Tên siêu tham số	Giá trị đã chọn
learning_rate	2e-5
batch_size	32
num_epochs	10
optimizer	AdamW
image_size	224x224
patch_size	16
hidden_size	768
num_attention_heads	12
dropout_rate	0.1
weight_decay	0.01
scheduler	Linear w/ warmup
warmup_steps	500

Bên cạnh đó, chương phân tích sự ưu việt của thang đo analytic rubric so với holistic rubric trong việc gia tăng độ tin cậy liên giám khảo (trích dẫn tương quan Pearson và Kappa đạt 0.70, giải thích 59% danh sách kiểm tra chuyên môn), đồng thời đánh giá ưu nhược điểm của các thư viện mã nguồn mở (EasyOCR, MarkItDown, LangChain) và xác lập các nguyên tắc thiết kế UI/UX trên máy tính để bàn phục vụ chuyên viên tuyển dụng.

Chương 2: Thiết kế và xây dựng hệ thống

Chương 2 mô tả chi tiết quá trình kỹ thuật hóa hệ thống. Tác giả phân tích cấu trúc chuẩn của một hồ sơ xin việc ngành CNTT, xác lập các trường dữ liệu cần trích xuất (thông tin cá nhân, mục tiêu nghề nghiệp, học vấn, kỹ năng chuyên môn, kỹ năng mềm, dự án, chứng chỉ).

Chương này trình bày chi tiết kiến trúc phần cứng máy chủ đa GPU (Tesla P100 và RTX 3090), các thông số kỹ thuật của mô hình Gemma 2 9B và cấu hình thực thi suy luận qua llama.cpp/GGUF. Nhóm nghiên cứu mô tả cụ thể pipeline trích xuất: Poppler phân giải tài liệu scan ở mức 300 DPI, EasyOCR trích xuất tọa độ và ký tự, MarkItDown phân rã tệp văn phòng thành Markdown, module NLP chuẩn hóa Unicode, xóa ký tự điều khiển và đồng nhất chữ thường. Tiếp đó, thư viện Kor được kết hợp với Prompt Engineering trên Gemma 2 9B để phân tách nội dung vào cấu trúc JSON, phục vụ quá trình chấm điểm theo 4 nhóm tiêu chí tuyển dụng. Toàn bộ giao diện người dùng (gồm 30 màn hình chức năng như quản lý tin tuyển dụng, nhập tiêu chí, xem bảng điểm chi tiết, lịch phỏng vấn và gửi email tự động) cùng hệ thống RESTful API kết nối cơ sở dữ liệu MongoDB cũng được thiết kế và triển khai hoàn chỉnh.

Chương 3: Kết quả đạt được

Chương 3 công bố kết quả triển khai thực tế của hệ thống. Nhóm tác giả hoàn thiện phần mềm với đầy đủ các phân hệ chức năng: tự động nhận diện ứng viên từ email, trích xuất dữ liệu đa định dạng, phân loại giới tính qua ảnh, chấm điểm định lượng và sinh báo cáo định tính.

Hiệu năng vận hành của hệ thống được kiểm thử thực nghiệm trên tập dữ liệu 50 CV ngành CNTT. Thời gian xử lý trung bình cho toàn bộ quy trình đối với mỗi CV dao động từ 3 đến 5 phút (với 10 lần đánh giá lặp lại để kiểm tra độ phân tán và tính ổn định). Hệ thống được ghi nhận qua các bảng số liệu thực nghiệm:

• Bảng 3 trong văn bản: Thống kê trung bình thời gian xử lý của từng công đoạn trong hệ thống (từ tiếp nhận, bóc tách OCR, tiền xử lý NLP, trích xuất cấu trúc bằng LLM đến chấm điểm và kết xuất giao diện).
• Bảng 4 trong văn bản: Đo lường độ chính xác chênh lệch K điểm của hệ thống so với điểm thực tế nhằm kiểm chứng mức độ tin cậy của thuật toán chấm điểm tự động.
• Biểu đồ phân phối điểm CV qua các thí nghiệm (Hình 35), công thức tính phân phối điểm (Hình 36) và phân tích định lượng mức độ tác động của các trọng số lên tiêu chí đánh giá CV (Hình 37).

Giao diện web (Vue.js) được kiểm chứng hoạt động ổn định, cho phép nhà tuyển dụng can thiệp điều chỉnh trọng số các tiêu chí (Background, Project, Skill, Certification), theo dõi tiến trình tuyển dụng trực quan và kích hoạt hệ thống phản hồi tự động.

Kết quả và đóng góp

Về kết quả kỹ thuật, đề tài đã xây dựng thành công một hệ thống hoàn chỉnh kết hợp OCR, học sâu thị giác và LLMs, có khả năng vận hành liên tục 24/7 trên hạ tầng máy chủ cục bộ:

• Tự động hóa tiếp nhận và bóc tách CV đa định dạng (PDF, DOCX, TXT, HTML, ảnh scan) với độ phân giải xử lý ảnh 300 DPI.
• Tích hợp mô hình ViT đã tinh chỉnh trên 7.199 ảnh chân dung người Việt Nam (từ tập dữ liệu 8.500 ảnh) để nhận diện giới tính ứng viên.
• Triển khai mô hình Gemma 2 9B tối ưu hóa theo định dạng GGUF Q5_K (6.03 GiB) trên kiến trúc phân bổ tensor song song hai GPU khác thế hệ (Tesla P100 16GB gánh 40% và RTX 3090 24GB gánh 60%), đạt tốc độ xử lý từ 3 đến 5 phút cho mỗi CV qua 10 lượt đánh giá kiểm chứng.
• Xây dựng thành công công thức chấm điểm theo rubric phân tích (analytic rubric), tính toán điểm số phần trăm minh bạch dựa trên 4 nhóm thuộc tính có trọng số linh hoạt do người dùng thiết lập.
• Cung cấp giao diện web quản trị toàn diện, tích hợp tính năng lên lịch phỏng vấn và gửi email tự động theo các trạng thái của hồ sơ (nhận, từ chối, hẹn lịch).

Về mặt giải pháp và kiến nghị, tác giả đề xuất việc áp dụng khung chấm điểm rubric phân tích thay thế cho phương pháp đánh giá tổng thể (holistic), đồng thời kiến nghị các doanh nghiệp chuẩn hóa kịch bản tuyển dụng (Job Description) thành các tiêu chí có thể lượng hóa để AI đối sánh chính xác.

Về đóng góp học thuật và thực tiễn, đề tài chứng minh tính khả thi của việc triển khai mô hình ngôn ngữ lớn nguồn mở quy mô 9B tham số trên hạ tầng phần cứng máy chủ tầm trung mà vẫn bảo đảm độ dài ngữ cảnh 8192 token phục vụ phân tích tài liệu dài. Nghiên cứu cung cấp một giải pháp tích hợp trọn vẹn từ khâu tiếp nhận email đến lưu trữ NoSQL (MongoDB) và giao diện trực quan, khắc phục nhược điểm thiếu tính giải thích của các công cụ chấm điểm nhanh và giảm thiểu chi phí bản quyền so với các giải pháp thương mại.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên nội dung tự đánh giá của nhóm tác giả và các nhận xét từ Hội đồng chuyên môn (Giáo viên hướng dẫn ThS. Lê Minh Tân và Giáo viên phản biện TS. Bùi Mạnh Quân), đề tài ghi nhận các hạn chế cụ thể:

• Quy mô dữ liệu thử nghiệm còn nhỏ (mới dừng lại ở 50 CV thuộc ngành CNTT), chưa bao quát và xử lý triệt để các hồ sơ có bố cục đồ họa phức tạp hoặc các dạng tài liệu phi cấu trúc đặc thù.
• Tập dữ liệu dùng để tinh chỉnh mô hình ViT phân loại giới tính là Vietnamese Celebrity Faces Dataset, vốn mang các đặc trưng thiên lệch về trang điểm, ánh sáng và góc chụp của nghệ sĩ, chưa đại diện toàn diện cho ảnh thẻ hoặc chân dung đời thường của ứng viên.
• Phương pháp đánh giá thực nghiệm theo độ chính xác chênh lệch K điểm chưa định nghĩa tường minh tiêu chuẩn điểm thực tế (ground truth được xác lập do nhóm tự chấm hay sử dụng một LLM khác để đối sánh).
• Chưa triển khai tính năng tự động tạo phản hồi cá nhân hóa sâu sắc đến từng ứng viên ngoài các mẫu email định sẵn, đồng thời chưa có cơ chế phân tích diễn biến năng lực của ứng viên theo thời gian.
• Nhóm nghiên cứu cần bổ sung các thực nghiệm chuyên sâu hơn nhằm lượng hóa mức độ tác động của việc thay đổi trọng số tiêu chí lên độ biến thiên của kết quả xếp hạng.

Hướng nghiên cứu tiếp theo được văn bản xác định:

• Mở rộng tập dữ liệu thử nghiệm sang nhiều ngành nghề khác nhau và gia tăng độ phức tạp của định dạng CV đầu vào.
• Chuẩn hóa và mở rộng tập dữ liệu khuôn mặt với ảnh chân dung đời thường phục vụ bài toán nhận diện nhân khẩu học.
• Nghiên cứu và tích hợp các tính năng nâng cao trong giai đoạn tiếp theo, bao gồm module tạo bài kiểm tra năng lực tự động và module phỏng vấn tự động.
• Phát triển tính năng theo dõi, phân tích sự phát triển năng lực của ứng viên qua từng thời kỳ dựa trên lịch sử hồ sơ.

Giá trị tham khảo

Báo cáo khóa luận có giá trị tham khảo chuyên môn đối với sinh viên, học viên cao học và kỹ sư thuộc các ngành Công nghệ Thông tin, Trí tuệ Nhân tạo, Khoa học Dữ liệu và Hệ thống Thông tin:

• Phần đáng tham khảo về mặt kỹ thuật AI/LLM: Cấu hình và phương thức triển khai mô hình Gemma 2 9B cục bộ bằng tệp GGUF Q5_K qua kỹ thuật phân chia tensor trên hệ thống đa GPU (Tesla P100 và RTX 3090); kỹ thuật kết hợp thư viện Kor, LangChain và Prompt Engineering để trích xuất dữ liệu phi cấu trúc sang định dạng JSON chuẩn.
• Phần đáng tham khảo về xử lý ảnh: Quy trình kết hợp Haar Cascade và Vision Transformer (ViT) kèm bảng thiết lập siêu tham số chi tiết để phân loại hình ảnh trên tập dữ liệu đặc thù.
• Phần đáng tham khảo về nghiệp vụ và kiến trúc phần mềm: Phương pháp xây dựng công thức chấm điểm analytic rubric có trọng số linh hoạt; quy trình thiết kế pipeline khép kín tích hợp module lắng nghe email, thư viện OCR (EasyOCR), công cụ phân rã văn bản (MarkItDown), cơ sở dữ liệu MongoDB và giao diện người dùng Vue.js.

Câu hỏi thường gặp

1. Hệ thống sử dụng mô hình ngôn ngữ lớn (LLM) nào và được cấu hình ra sao để vận hành trên máy chủ cục bộ? Hệ thống sử dụng mô hình Gemma 2 9B (Google) với 42 lớp Transformer, định dạng tệp GGUF v3 và nén định lượng ở mức Q5_K (dung lượng 6.03 GiB). Quá trình suy luận được cấu hình với temperature=0, độ dài ngữ cảnh tối đa n_ctx=8192, max_tokens=2048, f16_kv=False, streaming=True. Tính toán được phân bổ song song trên hai GPU theo tỷ lệ 40% trên Tesla P100 (16GB VRAM) và 60% trên RTX 3090 (24GB VRAM) thông qua thiết lập tensor_split=[0.4, 0.6], chuyển toàn bộ các lớp lên GPU (n_gpu_layers=-1).

2. Mô hình thị giác phân loại giới tính ứng viên được xây dựng và huấn luyện dựa trên tập dữ liệu nào? Mô hình sử dụng kiến trúc Vision Transformer (ViT) với kích thước patch 16x16, kích thước ẩn 768 và 12 đầu attention. Dữ liệu huấn luyện được lấy từ Vietnamese Celebrity Faces Dataset trên Kaggle, gồm 8.500 ảnh, được chọn lọc thành 3.563 ảnh nam và 3.636 ảnh nữ đưa về kích thước chuẩn 224x224 pixel. Mô hình được tinh chỉnh bằng bộ tối ưu hóa AdamW, hàm mất mát Cross Entropy Loss, tốc độ học 2e-5, batch size 32, trong 10 epoch với 500 bước khởi động (warmup steps).

3. Công thức tính điểm đánh giá CV của hệ thống hoạt động theo nguyên lý nào? Hệ thống áp dụng công thức analytic rubric dựa trên 4 nhóm tiêu chí: Nền tảng học vấn, Dự án, Kỹ năng và Chứng chỉ. Điểm thành phần của mỗi tiêu chí được tính bằng tích của tỷ trọng tiêu chí với tỷ số giữa điểm đạt được và điểm tối đa. Tổng điểm hồ sơ là tổng của 4 điểm thành phần (tổng tỷ trọng bằng 100%), biểu thị mức độ phần trăm phù hợp của ứng viên so với bản mô tả công việc (Job Description).

4. Quy trình xử lý các định dạng CV khác nhau (văn bản và ảnh scan) được thực hiện như thế nào? Đối với các định dạng văn bản bán cấu trúc (DOCX, PDF dạng text, HTML, TXT), hệ thống sử dụng thư viện MarkItDown để chuyển đổi nội dung về định dạng Markdown. Đối với các CV ở dạng ảnh quét (scan) hoặc PDF dạng ảnh, hệ thống dùng Poppler để chuyển đổi thành ảnh bitmap độ phân giải cao 300 DPI, sau đó dùng EasyOCR (hỗ trợ song ngữ Anh - Việt) để bóc tách văn bản thô. Dữ liệu sau đó được chuẩn hóa Unicode, chuyển chữ thường và làm sạch khoảng trắng bằng module NLP trước khi đưa vào LLM.

5. Tập dữ liệu và các chỉ số hiệu năng thực nghiệm chính được ghi nhận trong khóa luận là gì? Khóa luận thực hiện thử nghiệm trên tập dữ liệu gồm 50 CV thực tế ngành CNTT của sinh viên Đại học Sư phạm Kỹ thuật TP.HCM và nguồn mở. Thời gian xử lý trung bình hoàn tất một CV dao động từ 3 đến 5 phút (bao gồm 10 lần đánh giá lặp lại để kiểm tra độ tin cậy thống kê). Các kết quả được tổng hợp chi tiết qua bảng thời gian xử lý từng công đoạn (Bảng 3), bảng độ chính xác chênh lệch K điểm so với thực tế (Bảng 4) và biểu đồ phân phối điểm qua các thí nghiệm.

Kết luận

Khóa luận tốt nghiệp của sinh viên Lê Trạc Tiến và Lê Chánh Thành Tín đã nghiên cứu và phát triển thành công hệ thống đánh giá và phân tích CV thông minh, tích hợp đồng bộ công nghệ OCR, thị giác máy tính ViT và mô hình ngôn ngữ lớn Gemma 2 9B trên kiến trúc máy chủ đa GPU cục bộ. Công trình giải quyết bài toán tự động hóa quy trình tuyển dụng từ khâu nhận email, bóc tách dữ liệu đa định dạng đến chấm điểm định lượng minh bạch theo analytic rubric và kết xuất giao diện quản trị Vue.js. Mặc dù còn hạn chế về quy mô dữ liệu thử nghiệm và độ thiên lệch của tập dữ liệu khuôn mặt, hệ thống đã chứng minh tính khả thi kỹ thuật cao, tốc độ xử lý ổn định và mang lại giá trị tham khảo rõ ràng cho các ứng dụng xử lý tài liệu thông minh trong lĩnh vực quản trị nhân sự.

Trích đoạn nội dung tài liệu

MỞ ĐẦU 1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI Trong bối cảnh thị trường lao động cạnh tranh gay gắt, việc tuyển dụng nhanh chóng và hiệu quả đóng vai trò then chốt trong chiến lược phát triển của các doanh nghiệp. Đặc biệt với các công ty lớn, việc xử lý hàng nghìn hồ sơ ứng tuyển một cách thủ công là nhiệm vụ tốn thời gian, công sức và dễ xảy ra sai sót. Điều này có thể khiến doanh nghiệp bỏ lỡ những ứng viên tiềm năng, giảm hiệu quả tuyển dụng và ảnh hưởng đến trải nghiệm của ứng viên.

Sự ra đời của các hệ thống phân tích và đánh giá CV thông minh với việc ứng dụng công nghệ trí tuệ nhân tạo (AI), xử lý ngôn ngữ tự nhiên (NLP), nhận diện ký tự quang học (OCR) và mô hình ngôn ngữ lớn (LLMs) đã góp phần tự động hóa quy trình sàng lọc, nâng cao độ chính xác và tiết kiệm thời gian. Những hệ thống này không chỉ giúp đánh giá ứng viên toàn diện mà còn tạo điều kiện để doanh nghiệp thích ứng với xu hướng chuyển đổi số trong quản trị nhân sự. JobsGO là ứng dụng ra đời từ năm 2018, một trong những đơn vị đầu tiên tại Việt Nam cho ra mắt ứng dụng tìm việc làm trên nền tảng di động, mang lại những trải nghiệm thú vị cho người dùng. Một nền tảng hỗ trợ tạo và phân tích CV trực tuyến dành cho cá nhân.

Hệ thống cho phép người dùng nhập CV và nhận được phản hồi cụ thể theo từng mục như thông tin cá nhân, kinh nghiệm làm việc, học vấn và kỹ năng. Mặc dù phần lớn quy trình được thực hiện bán tự động hoặc có sự can thiệp của con người, nhưng JobsGO vẫn mang lại trải nghiệm cá nhân hóa cao, phù hợp với ứng viên muốn cải thiện CV. - Ưu điểm: Phân tích chi tiết, đưa ra gợi ý cụ thể, dễ sử dụng với người không chuyên. - Hạn chế: Không tối ưu cho việc xử lý số lượng lớn hồ sơ, thiếu tính tự động hóa hoàn toàn.

6 RezScore là ứng dụng là một hệ thống đánh giá CV tự động hóa hoàn toàn, sử dụng thuật toán và thang điểm để đưa ra đánh giá tổng thể CV trong vài giây. Người dùng chỉ cần tải lên CV và sẽ nhận được điểm số cùng đánh giá sơ bộ. - Ưu điểm: tốc độ xử lý nhanh, phù hợp cho doanh nghiệp cần sàng lọc nhiều CV cùng lúc. - Hạn chế: phân tích đơn giản, thiếu phản hồi chi tiết và không đưa ra gợi ý cụ thể.

ResumeFlow là một dự án nghiên cứu ứng dụng mô hình ngôn ngữ lớn (LLMs) không chỉ phân tích mà còn hỗ trợ tạo và cá nhân hóa CV theo từng mô tả công việc cụ thể. Dự án nghiên cứu ResumeFlow được công bố vào tháng 2 năm 2024, do nhóm tác giả từ Đại học Bang Arizona (Arizona State University) tại Hoa Kỳ thực hiện. Hệ thống sử dụng LLM để trích xuất thông tin từ dữ liệu người dùng và mô tả công việc, sau đó cấu trúc dữ liệu theo định dạng JSON để đánh giá và tối ưu CV. + Ưu điểm: Cá nhân hóa cao, sử dụng AI tiên tiến để đánh giá ngữ nghĩa và kỹ năng ẩn.

+ Hạn chế: Chưa phổ biến rộng rãi, đòi hỏi tích hợp kỹ thuật phức tạp và dữ liệu đầu vào chuẩn hóa. Bảng 1: So sánh tính năng các công cụ phân tích CV bằng AI Tiêu chí JobsGO.