ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Document Numérique

1279-5127
 

 ARTICLE VOL 13/3 - 2010  - pp.95-119  - doi:10.3166/dn.13.3.95-119
TITRE
E-Gen : traitement automatique d'informations de ressources humaines

TITLE
E-Gen: automatic processing of human resources informations

RÉSUMÉ

L’internet est au cœur du marché du travail et son utilisation s’étend à mesure qu’augmente le nombre d’internautes. La recherche d’emploi au travers des « bourses à l’emploi électroniques » et l’e-recrutement se sont banalisés. Cette explosion d’informations pose divers problèmes pour leur traitement rapide et efficace. Nous présentons le projet EGen, qui permet d’analyser les offres d’emploi de manière automatique ou assistée. Basé sur des classifieurs pilotés par un automate de Markov, le système obtient de très bons résultats. Nous proposons également une stratégie afin d’assister les recruteurs dans la tâche – difficile et d’une grande subjectivité – de classement de candidatures. Nous évaluons différentes mesures de similarité afin d’effectuer un classement pertinent des candidatures. L’utilisation d’un modèle de relevance feedback a permis de surpasser nos résultats.



ABSTRACT

Internet is at the heart of the labor market and its use spreads as increase the number of Internet users in the population. Seeking employment through “electronic employment bursary” and e-recruitment has become something current. This information explosion poses various problems in their processing with the large amount of information difficult to manage quickly and effectively. We present in this work the E-Gen project, that analyses and integrates the ads. Based on classifiers systems driven by a Markov automate, the system gets very good results. Thereafter, we present several strategies based on vectorial and probabilistic models to solve the problem of profiling candidates according to a specific ads to assist recruiters. Relevance feedback approach allows to surpass our previous results on this task.



AUTEUR(S)
Rémy KESSLER, Juan Manuel TORRES-MORENO, Marc EL-BÈZE

MOTS-CLÉS
traitement automatique du langage naturel écrit, apprentissage automatique, recherche d'information, ressources humaines, modèles probabilistes, mesures de similarité.

KEYWORDS
natural language processing, machine-learning, information retrieval, human ressources, statistical approaches, similarity measures.

LANGUE DE L'ARTICLE
Français

 PRIX
GRATUIT
   
ACCÉDER A L'ARTICLE COMPLET  (634 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
made by WAW Lavoisier