Recuperación de información para solicitantes de empleo
Descargar como PPTX, PDF•1 recomendación•109 vistas
El documento detalla un sistema de recuperación de información diseñado para facilitar la búsqueda de empleo, optimizando procesos mediante el uso de aprendizaje automático y técnicas de procesamiento de lenguaje natural como word embeddings. Se implementa un modelo que conecta ofertas laborales con los perfiles de los usuarios a través de centroides y extracción de frases clave. También se menciona el uso de servicios cognitivos de Azure para extraer y analizar información de CVs y mejorar la interacción con los usuarios mediante un chatbot.
![@r_corral
rcorral@plainconcepts.com
https://mypublicinbox.com/rcorral
Rodrigo Corral
ALM Team Lead & Software Architect Web
@irantzu_cs
icalvo@plainconcepts.com
Irantzu Calvo Santamaria
Data Scientist [AI Team]](https://image.slidesharecdn.com/singularityrodrigocorralirantzucalvoferrovial-191204130845/85/Recuperacion-de-informacion-para-solicitantes-de-empleo-2-320.jpg)
Recuperación de información para solicitantes de empleo
- 1. Information retrieval for job seekers
- 2. @r_corral [email protected] https://mypublicinbox.com/rcorral Rodrigo Corral ALM Team Lead & Software Architect Web @irantzu_cs [email protected] Irantzu Calvo Santamaria Data Scientist [AI Team]
- 3. Intro ¿Qué problema queremos solucionar? - Evitar pérdidas de tiempo buscando ofertas de trabajo - Podemos descartar rápidamente toda información irrelevante - Más tiempo para centrarnos en lo importante ¿Cómo se ha solucionado tradicionalmente? - Búsquedas - Filtros - Inspección manual ¿Por qué lo solucionamos usando ML? - Mejoramos la comunicación humano-máquina - ¡El sistema va a mejorar con su uso! - Sin tocar una línea de código
- 4. Tecnologías
- 6. Word Embeedings Las técnicas más utilizadas de Procesamiento de Lenguaje Natural hacen uso de Word Embeddings. - Un Word Embedding es la representación vectorial de palabras o frases. - Captura propiedades semánticas y sintácticas. - Word2Vec: red neuronal de palabras representadas como vectores de números reales. - Este modelo permite enriquecer el vocabulario con el modelo preentrenado de Google News. Woman Girl Boy Man King Queen Water
- 7. Information Retrieval - TF-iDF: Term frequency – Inverse document frequency): - Palabras más relevantes para cada documento haciéndolos más singulares. - Word Centroid Distance: - Representación de cada oferta por el centroide de los vectores que lo componen. - Los centroides de las ofertas representan su significado. - Information Retrieval: - Modelo de recuperación de información entrenado con los centroides para matchear documentos.
- 10. VOCABULARIO Inteligencia artificial Recapitulemos … - Generamos un diccionario (vocabulario) basado en las palabras que encontramos en las ofertas. - Estas palabras se representan con vectores numéricos que contienen información semántica y sintáctica. - Se calculan los centroides de las ofertas en función de las palabras que contengan. - Se entrena un modelo de recuperación de información que permitirá encontrar las ofertas que mejor se relacionen con la consulta del usuario.
- 11. Azure Cognitive Services: Información de CVs y Chat Bot inteligente
- 12. Azure Cognitive Services Computer Vision Face Video Indexer Content Moderator Custom Vistion Bing Web Search B. Web S. B. Visual S. B. Custom S. B. Entity S. B. Video S. B. Image S. B. Autosuggest B. Local Business S. B. News S. QnA Maker Speech-to-Text Speaker Recognition Text to Speech Speech Translation Text Analytics Translator Text Bing Speel Check Content Moderator Language Understanding
- 13. Text Analytics: Key Phrases - Principales problemas a la hora de extraer información relevante de un CV: - Heterogeneidad en la estructura - Desorden - Falta de información - La extracción de frases clave de Cognitive Services, evalúa el texto no estructurado y devuelve un documento JSON con una lista de frases clave.
- 15. LUIS: Language Understanding LUIS aplica inteligencia de aprendizaje automático personalizado a una conversación o un texto de lenguaje natural de un usuario para predecir el significado global y extraer información pertinente y detallada. - LUIS: - Definición de intenciones. - Entrenamiento de cada intención con una amplia variedad de frases que puedan relacionarse con la intención. - BOT: - Desarrollado en NODE JS. - Es la aplicación cliente para LUIS. - Se define el dialogo principal: el Bot le pasa la frase a LUIS para que le devuelva la intención del usuario. - Para cada intención se define una acción. IR LUIS BOT
- 17. Volvamos a recapitular … - El usuario inserta una frase o sube un CV al bot. Luis aprende de las frases o preguntas que hace el usuario. - La información del usuario - CV: Pasa por el Text Analytics para obtener las frases claves del CV - Frases que contengan el tipo de trabajo que busca - Con el texto obtenido se interroga al modelo de Recuperación de información, que devolverá a través del chat bot las ofertas que más se adecuan al perfil del usuario Inteligencia artificialCV LUIS IR
- 18. Caso de uso
- 19. Thanks and … See you soon! Thanks also to the sponsors. Without whom this would not have been posible. O R G A N I Z A T I O N P L A T I N U M S P O N S O R S C O L L A B O R A T O R S
Notas del editor
- #13: https://redwerk.com/blog/microsoft-azure-cognitive-services/