Smart Recruitment System

Système de recrutement intelligent

Trouver le meilleur candidat pour un emploi spécifique d'un processus de recrutement dans les plus brefs délais est un défi pour une entreprise de nos jours. De nos jours, il y a trop de candidats, et il faut trop de temps et d'efforts pour obtenir des candidats appropriés pour le travail d'une entreprise. L'équipe des ressources humaines a besoin de plus de main-d'œuvre pour examiner les curriculum vitae ou les CV des candidats.

Le projet vise à développer un système de classement de CV plus flexible, réaliste et expert qui classe les CV efficacement et efficacement et donne le meilleur candidat ou candidat. Il s'agit d'un simple site Web de CV de CV basé sur Django où les utilisateurs des recruteurs publient des emplois, les utilisateurs de candidats postulent pour le travail, remplissent les données requises et téléchargent des curriculum vitae. Le système classe les CV en fonction de la similitude du document de la description du travail et des CV utilisant le modèle KNN. Il permet d'économiser les efforts humains, le temps et le coût.

Installation

Nécessite les forfaits suivants:

• Python 3.9.7 ou plus
• Django 4.0 ou plus
• PIP 22.3.1 ou plus

Il est recommandé d'utiliser des packages d'environnement virtuels tels que VirtualEnv. Suivez les étapes ci-dessous pour configurer le projet:

• Clone ce référentiel via git clone https://github.com/parvez86/Smart-Recruitment-System
• Utilisez cette commande pour installer les packages requis pip install -r requirements.txt
• Base de données de caisse et modifier les paramètres de la base de données dans settings.py en fonction de votre base de données. Installez le connecteur de base de données approprié si besoin.
  • 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.
          }
      }
    

  • Autres : voir la documentation, mettre les paramètres de base de données appropriés et installer le connecteur.
• Générer des fichiers de migration du projet via Terminal: python manage.py makemigrations
• Migrer les fichiers du projet à partir de terminal: python manage.py migrate
• Créer un utilisateur d'administration pour le panneau d'administration à partir de terminal: python manage.py createsuperuser . Et entrez le nom d'utilisateur, le courrier électronique et le mot de passe.
• Exécutez le projet à partir de Terminal: python manage.py runserver

Architecture du système

• Enregistrez / connexion: un utilisateur doit être un utilisateur authentique pour publier un travail ou postuler pour un emploi.
• Afficher le travail: un utilisateur peut parcourir ou rechercher le travail.
• Appliquer un emploi: un utilisateur authentique peut postuler pour un emploi.
• Téléchargez le CV: un utilisateur candidat intéressé doit télécharger son curriculum vitae pour postuler pour la vacance souhaitée.
• Analyse: le système analyse le candidat reprend et génère le score de similitude des documents des candidats reprise en fonction de la description de poste.
• Classement: le système classe les curriculum vitae en fonction des scores de similitude des documents.

Modèle de classement

• Prétraitement des données: Nettoyage des données, tige de mot et lemmatisation des verbes, etc.
• Exigences de base: vérifiez différentes exigences telles que le CGPA, le sexe et l'expérience de travail, etc.
• Extraction des exigences:
  • TF-IDF: Il calcule un score pour chaque mot-clé qui signifie son importance pour le document ou le curriculum vitae.

     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.
    

• Générer un score de similitude de document: en utilisant le modèle KNN (K-Dealest voisin) et le poids TF-IDF des CV, le système génère un score de similitude de document (KNN-score) de chaque curriculum vitae en fonction de la description du travail.
• Classement: Sur la base des scores KNN, le système classe les curriculum vitae et les courte.