最佳简历，文档匹配

Question

我用了三种不同的方法来计算简历和工作描述之间的匹配。有人能告诉我什么方法是最好的吗?为什么？

1. 我使用NLTK进行关键字提取，然后用RAKE进行关键字/关键字打分，然后使用余弦相似度。
2. 用于关键词提取、tf和余弦相似度计算的Scikit。
3. Gensim库采用LSA/LSI模型提取关键词，计算文档与查询之间的余弦相似度。

Answer 1

这里没人能给你答案。决定哪种方法更有效的唯一方法是让一个或多个人独立地匹配大量的简历和职务描述，并将他们所做的与您的算法进行比较。理想情况下，您应该有一个已经匹配的简历和职务说明的数据集(当人们申请时，公司必须这样做)，因为创建一个足够大的数据集需要大量的工作。

下一次，当您进行这类项目时，首先考虑如何评估您将组合在一起的解决方案的性能。

Answer 2

正如答案中已经提到的，尝试使用Doc2Vec。似乎在两个语料库(简历和职务描述)上分别使用Gensim的Doc2Vec，然后使用两个向量之间的余弦相似度是最容易工作的流程。它在形式和词内容不相似但在上下文和词义上相似的文档上比其他文档工作得更好，因此，在这里仅仅使用关键字不会有多大帮助。

然后，你可以试着在一对匹配的简历和JD的语料库上培训CNN，如果有“是”/“否”这样的标签，你可以用它来根据工作描述对简历/简历进行量化。

基本上，我将在我的任务中尝试这些程序，请参阅https://datascience.stackexchange.com/questions/22421/is-there-an-algorithm-or-nn-to-match-two-documents-basically-not-closely-simila

Answer 3

由于工作描述和简历内容很可能会有所不同，所以您应该从语义的角度来考虑。你可以做的一件事就是使用一些领域知识。但是要获得各种工作类型的领域知识是相当困难的。研究人员有时使用字典来增强文档之间的相似性匹配。

研究人员正在使用深层神经网络来捕捉文档的句法和语义结构。您可以使用doc2Vec比较两个文档。Gensim可以为您生成doc2Vec表示。我相信这将给出比关键字提取和相似度计算更好的结果。你可以建立你自己的神经网络模型来训练你的职务描述和简历。我想神经网络对你的工作是有效的。