Smart Recruitment System

Sistema de recrutamento inteligente

Encontrar o melhor candidato para um emprego específico de um processo de recrutamento no menor tempo é um desafio para uma empresa hoje em dia. Atualmente, existem muitos candidatos e leva muito tempo e esforço para obter candidatos adequados para o trabalho de uma empresa. A equipe de Recursos Humanos precisa de mais força de trabalho para examinar os currículos ou currículos de candidatos.

O projeto tem como objetivo desenvolver um sistema Ranker mais flexível, realista e especialista, que classifique os currículos de maneira eficaz e eficiente e oferece o melhor candidato ou candidatos. Este é um site simples de currículo com base no Django, onde os usuários do recrutador publicam empregos, os usuários de candidatos se aplicam ao trabalho, preenchem os dados necessários e o upload de currículos. O sistema classifica os currículos com base na similaridade do documento da descrição do trabalho e nos currículos usando o modelo KNN. Economiza esforços humanos, tempo e custo.

Instalação

Requer os seguintes pacotes:

• Python 3.9.7 ou superior
• Django 4.0 ou superior
• pip 22.3.1 ou superior

Recomenda -se usar pacotes de ambiente virtual, como o VirtualEnv. Siga as etapas abaixo para configurar o projeto:

• Clone este repositório via git clone https://github.com/parvez86/Smart-Recruitment-System
• Use este comando para instalar pacotes necessários pip install -r requirements.txt
• Banco de dados Crate e alteração Configurações de banco de dados em settings.py De acordo com o seu banco de dados. Instale o conector de banco de dados apropriado, se necessário.
  • 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.
          }
      }
    

  • Outros : consulte a documentação, coloque as configurações apropriadas do banco de dados e instale o conector.
• Gerar arquivos de migração do projeto via terminal: python manage.py makemigrations
• Migrar os arquivos do projeto do Terminal: python manage.py migrate
• Crie usuário administrador para o painel de administração do terminal: python manage.py createsuperuser . E digite o nome de usuário, email e senha.
• Execute o projeto do Terminal: python manage.py runserver

Arquitetura do sistema

• REGISTRA/LOGIN: Um usuário deve ser um usuário autêntico para postar um trabalho ou solicitar um emprego.
• Ver trabalho: um usuário pode navegar ou procurar o trabalho.
• Inscreva -se trabalho: Usuários autênticos podem se inscrever em um emprego.
• Retomínio de upload: Um usuário do candidato interessado precisa fazer o upload de seus currículos para se inscrever na vaga desejada.
• Parsing: O sistema analisa o candidato retoma e gera a pontuação de similaridade do documento dos candidatos retoma de acordo com a descrição do trabalho.
• Classificação: o sistema classifica os currículos com base nas pontuações de similaridade do documento.

Modelo de classificação

• Pré -processamento de dados: Limpeza de dados, Palavras Stemming e Lemmatização Verbo etc.
• Requisitos básicos: Verifique diferentes requisitos como CGPA, gênero e experiência de trabalho etc.
• Extração de requisitos:
  • TF-IDF: ele calcula uma pontuação para cada palavra-chave que significa sua importância para o documento ou retoma.

     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.
    

• Gere pontuação de similaridade de documentos: usando o modelo KNN (K-Nearest Neighbor) e o peso TF-IDF dos currículos, o sistema gera uma pontuação de similaridade de documentos (escore KNN) de cada currículos de acordo com a descrição do trabalho.
• Classificação: Com base nas pontuações do KNN, o sistema classifica os currículos e os listas.