Smart Recruitment System

Smart Recruitment System

Der beste Kandidat für einen bestimmten Job aus einem Rekrutierungsprozess innerhalb der kürzesten Zeit ist heutzutage eine Herausforderung für ein Unternehmen. Heutzutage gibt es zu viele Bewerber, und es braucht zu viel Zeit und Mühe, um geeignete Kandidaten für den Job eines Unternehmens zu erhalten. Das Personalteam benötigt mehr Belegschaft, um die Lebensläufe oder Lebensläufe von Kandidaten zu prüfen.

Das Projekt zielt darauf ab, ein flexibleres, realistischeres und erfahrener Lebenslauf -Rankiersystem zu entwickeln, das die Lebensläufe effektiv und effizient einsetzt und den besten Kandidaten oder Kandidaten bietet. Dies ist eine einfache Django-basierte Lebenslauf-Ranker-Website, auf der Personalbenutzer Jobs veröffentlichen, Kandidatenbenutzer für den Job bewerben, die erforderlichen Daten ausfüllen und Lebensläufe hochladen. Das System bewertet die Lebensläufe basierend auf der Dokumentähnlichkeit der Stellenbeschreibung und der Lebensläufe mit dem KNN -Modell. Es spart menschliche Anstrengungen, Zeit und Kosten.

Installation

Erfordert die folgenden Pakete:

• Python 3.9.7 oder höher
• Django 4.0 oder höher
• PIP 22.3.1 oder höher

Es wird empfohlen, virtuelle Umgebungspakete wie Virtualenv zu verwenden. Befolgen Sie die folgenden Schritte, um das Projekt einzurichten:

• Klonen Sie dieses Repository über git clone https://github.com/parvez86/Smart-Recruitment-System
• Verwenden Sie diesen Befehl, um die erforderlichen Pakete pip install -r requirements.txt zu installieren.txt
• Crate Database und ändern Sie die Datenbankeinstellungen in settings.py gemäß Ihrer Datenbank. Installieren Sie bei Bedarf den entsprechenden Datenbankanschluss.
  • MySQL :

     DATABASES = {
         'default': {
             'ENGINE': 'django.db.backends.mysql', 
             'NAME': 'DB_NAME',
             'USER': 'DB_USER',
             'PASSWORD': 'DB_PASSWORD',
             'HOST': 'localhost',   # Or an IP Address that your DB is hosted on
             'PORT': '3306',
         }
     }
    

  • SQLite :

      DATABASES = {
          'default': {
              'ENGINE': 'django.db.backends.sqlite3',
              'NAME': 'mydatabase', # This is where you put the name of the db file. 
                       # If one doesn't exist, it will be created at migration time.
          }
      }
    

  • Andere : Siehe Dokumentation, geben Sie geeignete Datenbankeinstellungen ein und installieren Sie den Connector.
• Generieren Sie Migrationsdateien des Projekts über Terminal: python manage.py makemigrations
• Migrieren Sie die Projektdateien vom Terminal: python manage.py migrate
• Administrator für das Administratorbereich von Terminal erstellen: python manage.py createsuperuser . Und geben Sie den Benutzernamen, die E -Mail und das Passwort ein.
• Führen Sie das Projekt vom Terminal aus: python manage.py runserver

Systemarchitektur

• Register/Login: Ein Benutzer sollte ein authentischer Benutzer sein, um einen Job zu veröffentlichen oder sich für einen Job zu bewerben.
• Job anzeigen: Ein Benutzer kann den Job durchsuchen oder suchen.
• Bewerben Sie Job: Ein authentischer Benutzer kann sich für einen Job bewerben.
• Resume hochladen: Ein interessierter Kandidatenbenutzer muss seine Lebensläufe hochladen, um die gewünschte Stelle zu beantragen.
• Parsing: Das System analysiert den Kandidaten wieder und generiert die Dokument -Ähnlichkeitsbewertung der Kandidaten entsprechend der Stellenbeschreibung.
• Ranking: Das System bewertet die Lebensläufe basierend auf den Dokument -Ähnlichkeitswerten.

Ranking -Modell

• Datenvorverarbeitung: Datenreinigung, Word -Stamm- und Verb -Lemmatisierung usw.
• Grundlegende Anforderungen: Überprüfen Sie unterschiedliche Anforderungen wie CGPA, Geschlecht und Berufserfahrung usw.
• Anforderungsextraktion:
  • TF-IDF: Es berechnet eine Punktzahl für jedes Schlüsselwort, das seine Bedeutung für das Dokument oder die Lebensläufe bedeutet.

     TF(‘keyword’) = number of appeared (‘keyword’)/Total number of (‘keyword’)  
    

     IDF(‘keyword’) = log(total number of resumes / total number of the resume with term ‘keywords’)
    It sets IDF log value = 1 for the required resume and 0 for the unwanted.
    

• Erzeugen Sie Dokument-Ähnlichkeitsbewertung: Verwenden des KNN-Modells (K-Nearest Neighbor) und des TF-IDF-Gewichts der Lebensläufe generiert das System eine Dokument-Ähnlichkeitsbewertung (KNN-Score) jedes Lebensläufers gemäß der Stellenbeschreibung.
• Ranking: Basierend auf den KNN-Scores rangiert das System die Lebensläufe und Shortlists.