Mở đầu Chương này trình bày tóm tắt một số bài báo, hệ thống liên quan đến bài toán khuyến nghị việc làm, đồng thời cũng nếu ra một số điểm cần lưu ý cũng như xu hướng khuyến nghị trong tương lai mà cộng đồng cần quan tâm. Nghiên cứu hệ khuyến nghị sử dung NLP và kỹ thuật học máy [25] Nhóm tác giả đã nghiên cứu đã phát triển một hệ thống khuyến nghị việc làm sử dụng kết hợp giữa học máy và xử lý ngôn ngữ tự nhiên (NLP). Hệ thống này tập trung vào việc cung cấp các đề xuất việc làm phù hợp cho sinh viên dựa trên các thông tin về trình độ học vẫn chuyên môn và sở thích của họ. Đồng thời, nó cũng giúp các công ty tìm kiếm các ứng viên phù hợp nhất cho các vị trí cần tuyển dụng.
Trong nghiên cứu này tác giả Sử dụng các kỹ thuật NLP dé phân tích và hiểu các tài liệu văn bản như hồ sơ ứng viên và mô tả công việc và thực hiện trích xuất thông tin từ các tài liệu không có cấu trúc đề xác định các kỹ năng, kinh nghiệm và yêu cầu công việc. Sau đó áp dụng các mô hình học máy dé học các mẫu từ dữ liệu lịch sử và du đoán sự phù hợp giữa ứng viên và vị trí tuyển dụng. Sử dụng các thuật toán lọc kết hợp, bao gồm cả lọc cộng tác và lọc nội dung, để cải thiện độ chính xác của hệ khuyến nghi. Cuối cùng thu thập và xử lý kết quả phản hồi từ nhiều nguồn khác nhau, bao gồm hồ sơ ứng viên, yêu cầu công việc, và phản hồi từ các công ty.
Áp dụng các kỹ thuật phân tích đữ liệu đề tìm ra các mối quan hệ và xu hướng trong dữ liệu tuyên dụng. Hệ thống khuyến nghị việc làm được phát triển đã chứng minh tính hiệu quả trong việc đề xuất các cơ hội nghề nghiệp cho ứng viên. Hệ thống này có thể được áp dụng trong các quy trình tuyên dụng thực tế, giúp cải thiện hiệu quả tuyển dụng và trải nghiệm của ứng viên. Đặc biệt hữu ích trong các môi trường tuyển dụng quy mô lớn, nơi mà việc khớp nối thủ công trở nên khó khăn và tốn kém.
Nghiên cứu này nhắn mạnh tam quan trọng của việc sử dụng học máy và xử lý ngôn ngữ tự nhiên trong việc cải thiện quy trình tuyển dụng và giúp ngưnời tìm việc xác định được các công việc phủ hợp. Tương lai, nghiên cứu có thể mở rộng ứng dụng của hệ thống trong các tình huống tuyển dụng thực tế và bao gồm thêm các dữ liệu như đặc kinh nghiệm việc làm, thông tin cá nhân và phân tích mạng xã hội đê đưa ra các đê xuât tôt hơn. Xu hướng mới cho hệ khuyến nghị [9] Luận văn Tiến sĩ của tác giả Huỳnh Ngọc Tín [9] tổng hợp, liệt kê một số xu hướng mới về hệ khuyến nghị mà cộng đồng đang quan tâm như sau: - Stefanidis và cộng sự chỉ ra rằng, các phương pháp truyền thống chưa quan tâm xem xét và đánh giá sự ảnh hưởng của yếu tổ thời gian, xu hướng, kinh nghiệm việc làm đến kết quả khuyến nghị như thế nào. - Lam thé nào dé thông tin người dùng rõ ràng, cũng như tiềm ân vào các phương pháp truyền thống.
- Str dụng thông tin nhận biết ngữ cảnh (context-aware) dé thực hiện khuyến nghị. Liên quan đến tiếp cận khai thác thông tin ngữ cảnh. Gediminas Adomavicius và cộng sự khảo sát phân tích các nghiên cứu khác nhau. Thông tin ngữ cảnh giúp các hệ khuyến nghị cung cấp những khuyến nghị phù hợp với người dùng theo kinh nghiệm việc làm, trình độ chuyên môn, thời gian, địa điểm.
Cùng với sự phát triển mạnh mẽ của công nghệ di động, hướng tiếp cận khai thác thông tin ngữ cảnh được đánh giá là rất tiềm năng đối với các hệ thônga khuyến nghị trên thiết bị di động. - Sir dụng thuật toán theo hướng tiếp cận lai tức là kết hợp và đánh giá nhiều phương pháp khuyến nghị khác nhau nhằm tông hợp ưu điềm từ những phương pháp đó và giải quyết những hạn chế của mối phương pháp khác nhau giúp tăng hiệu quả và năng suất của hệ thống. - Thu thập sử dụng thông tin tiềm ân, thông tin ngữ cảnh của người tìm việc dé xác định sở thích của họ giúp tăng kết quả khuyến nghị. - _ Nhóm tác giả Gunawardana va Shani đã chỉ ra rang với mỗi bài toán cần có phương pháp khuyến nghị phù hợp.
Đồng thời với mỗi phương pháp khuyên nghị, cũng cần có phương pháp đánh giá phù hợp. Phương pháp đánh giá sẽ quyết định độ chính xác tiên đoán, kết quả của phương pháp khuyến nghị. Việc nghiên cứu phát triển các phương pháp hiện thực, đánh giá kết quả và triển khai hệ khuyến nghị cũng nam trong xư hướng và quan tâm của cộng đông. Hệ thống khuyến nghị việc làm TopDev TopDev là nền tảng tuyên dụng chuyên IT tại Việt Nam với hơn 300.000 Developer Profille, cũng là đơn vị tiên phong và duy nhất trong lĩnh vực IT tại Việt Nam giúp xây dựng và phát triển Thương Hiệu Tuyền Dụng — Employer Brand cho hàng trăm công ty/tập đoàn trong và ngoài nước.[2] TộP Vielàm v - (CôglyT tông@y(MÓ)v Blog it q thực tập sinh flutterx dart fluttermobilex Tìm kiếm theo các Kỹ năng, Vị trí, Công ty, Tất cả địa điểm v Tất cả mức lương v Tất cả loại công việc M Tất cả loại hợp đồng v % Xóa bộ loc Tất cả Công ty Việc làm nổi bật Thông tin côn 9 9y IT Data Architect €6,.
10 CNS Việt Nam WaterOs ñ Water0s - một hệ thống quản lý liền mạch và toàn diện cho ngành nướ. es WS LS WaterOs Quận 3,Hồ ChíMinh s 10-24 Employees Phần Mềm. Bridge Software Engineer (BrS. Gils PT Software NodeJS MongoDB Flutter’ Dart Japanese-N2 Bridge SE Unity 2D/3D Game Developer ini a HQSOFT doi, R ộ A Archer Game Studio Q HQSOFT ¬ Unity3d © Game Developer.
ptimize business Maximize Proti s«awsswweese+. Quận Phú Nhuận, Hồ Chi Minh « 100-499 Employees Phan Mém Hình 2.1 Khuyến nghị việc làm trên TopDev Qua hình ảnh khuyến nghị trên TopDev dựa trên thông tin về chuyên ngành IT và kinh nghiệm việc làm của Sinh viên ở trên, khi ta thử đưa 2 thông tin ngữ cảnh về kỹ năng và kinh nghiệm việc làm như “Thực tập sinh flutter”, “Dart flutter mobile” ta thấy được hệ thống chưa khuyến nghị được danh sách công việc, việc làm phù hợp dựa trên các thông tin đó. Hệ thống khuyến nghị việc làm TopCV TopCV là công ty tiên phong trong lĩnh vực Công nghệ nhân sự tại Việt Nam xoay quanh Hệ sinh thái HR Tech với 4 sản phẩm chủ lực: Nền tảng công nghệ tuyển dụng thông minh TopCV.vn, Nền tảng thiết lập và đánh giá năng lực nhân viên TestCenter.vn, Nền tảng quản lý và gia tăng trải nghiệm nhân viên HappyTime.vn và Giải pháp quản trị tuyển dụng hiệu suất cao SHiring. Hiện TopCV dang sở hữu hệ thống dữ liệu kho dữ liệu hơn 7,6 triệu ứng viên, 200.000+ doanh nghiệp đối tác sử dụng việc làm trong đó có nhiều đối tác lớn như FPT, Viettel, Vingroup, VNPT, Techcombank,.kết nối trung bình với 250.000+ ứng viên phù Xóa lọc nâng cao fo} Tấtdảdngànhn.
v Ô Tấcảmhưực v (Tat cahinh thie v (Thue tap sinh ^ Ð Tatcaloaitin v Quản lý / Giám sat Tuyển dụng 1 việc làm Backend Java [Update 07/04/2024] Trang chủ. > Tuyển dụng 1 việc làm Backend Java [Update 07/04/2024] Trưởng chỉ nhánh Ưu tiên hiển thị theo: 0) Liên quan Ngày đăng Ngày cập nhật cz Phógiám đốc Fresher Backend Java Giám đốc thé ban quan tam ể 4 lợi Công ty Cp Công nghệ và Truyền thông Dagoras Thực tập sinh Dagoras HàNội 0òn23ngày để ứng tuyển. Cập nhật1 tuần trước iV) Hinh 2.2 Khuyén nghi viéc lam trén TopCV Tương tự như TopDev quan sát kết quả khuyến nghị trên TopCV_ dựa trên thong tin về chuyên ngành IT và kinh nghiệm việc làm của Sinh viên khi nhập từ khóa kỹ năng “backend java” thì hệ thống cho ra kết quả danh sách việc làm phù hợp đúng với thông tin công việc mong muốn tuy nhiên lại chưa thật sự phù hợp với vị trí yêu cầu mong muốn ở đây là thực tập sinh. Kết chương Chương này trình bày cơ bản về đặc điểm, các ưu nhược điểm về các nghiên cứu hệ thống khuyến nghị liên quan trên thị trường và trình bày điểm mới cải tiến dựa trên một số minh chứng các hệ thống khuyến nghị việc làm hiện nay tại Việt Nam.
Chương tiếp theo khóa luận sẽ mô tả chỉ tiết bài toán hệ khuyến nghị và cấu trúc phân tích thiết kế hệ thống phần mềm. HE THONG KHUYEN NGHI VIEC LAM 3. Phát biểu bài toán hệ khuyến nghị Hệ khuyến nghị tiếng Anh là Recommender System hay Recommendation System, là một hệ thống con của hệ thống lọc thông tin dùng dé tiên đoán giá trị đánh giá hoặc yêu thích mà một người dùng dành cho một đối tượng[4]. Theo Ricci và cộng sự trong Recommender Systems Handbook [5], hệ khuyến nghị là những công cụ phần mềm và các công nghệ đưa ra các gợi ý về các đối tượng có thé được quan tâm bởi người dùng.
Những kết quả gợi ý được đưa ra nhằm hỗ trợ người dùng của hệ thống đưa ra các quyết định chăng hạn nên mua gi, nên nghe nhạc gì hay nên đọc tin tức gì. Hệ khuyến nghị đã chứng tỏ giá trị ý nghĩa đối với những người dùng online, giúp họ đương đầu với việc quản lý thông tin và trở thành một trong những công cụ tiện ich và phô biến nhất trong kinh tế. Hiện nay có nhiều nghiên cứu liên quan đã phát biểu về bài toán khuyến nghị và các khái niệm liên quan như Jannach và cộng sự [6], Adomavicius va Tuzhilin [7], Bobadilla và cộng sự [8]. Khóa luận sẽ dựa và các nghiên cứu liên quan trên để trình bày một số khái niệm liên quan và phát biéu bài toán khuyến nghị.
Không gian người dùng [7][9] “Không gian người dùng” là tập tất cả các người dùng được quan sát bởi hệ thống dé thực hiện khuyến nghị, ký hiệu: U = ful, u2,. Không gian đối tượng khuyến nghị [7][9] “Không gian đối tượng khuyến nghị” là tất cả các đối tượng có khả năng sẽ được hệ thống khuyến nghị cho người dùng. Tùy vào mục tiêu của mỗi hệ thống mà đối tượng khuyến nghị sẽ là gì, chăng hạn như phim, các bài báo, nhạc. Với hệ thống mà khóa luận đang phát triển thì các đối tượng khuyến nghị chính là những việc làm đã đăng tuyển.
Ky hiệu: P = fp], p2,. pm} Dinh nghĩa 2. Ham hữu ich [9] “Hàm hữu ích” được định nghĩa là một phép ánh xạ: ƒ: U x P > R, dùng để xác định giá trị hữu ich của đối tượng khuyến nghị p € P với người ding € U.