Smart Recruitment System

明智的招聘系统

在最短的时间内，从招聘过程中找到特定工作的最佳候选人是当今公司的挑战。如今，申请人太多了，需要花费太多时间和精力来获得公司工作的合适候选人。人力资源团队需要更多的劳动力来审查候选人的简历或简历。

该项目旨在开发一个更灵活，现实和专家简历的排名系统，该系统有效，有效地对简历进行排名，并提供最佳的候选人或候选人。这是一个简单的基于Django的简历排名者网站，招聘人员用户在该网站上发布作业，候选人使用者申请工作，填写所需的数据并上传简历。系统根据职位描述的文档相似性和使用KNN模型的简历对简历进行排名。它节省了人类的努力，时间和成本。

安装

需要以下包：

• Python 3.9.7或更高
• Django 4.0或更高
• PIP 22.3.1或更高

建议使用虚拟环境软件包，例如Virtualenv。请按照以下步骤设置项目：

• 克隆该存储库通过git clone https://github.com/parvez86/Smart-Recruitment-System
• 使用此命令安装所需的包装pip install -r requirements.txt
• 根据您的数据库，Crate数据库并更改settings.py中的数据库设置。如果需要，安装适当的数据库连接器。
  • 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.
          }
      }
    

  • 其他：请参阅文档，放置适当的数据库设置并安装连接器。
• 通过终端生成项目的迁移文件： python manage.py makemigrations
• 从终端迁移项目文件： python manage.py migrate
• 从终端创建管理面板的管理用户： python manage.py createsuperuser 。并输入用户名，电子邮件和密码。
• 从终端运行项目： python manage.py runserver

系统体系结构

• 注册/登录：用户应该是张贴作业或申请作业的真实用户。
• 查看作业：用户可以浏览或搜索作业。
• 申请工作：真实的用户可以申请工作。
• 上传简历：感兴趣的候选人用户必须上传其简历以申请所需的空缺。
• 解析：系统解析候选人恢复并根据职位描述生成候选人的文档相似性评分。
• 排名：系统根据文档相似性分数对简历进行排名。

排名模型

• 数据预处理：数据清洁，单词词干和动词柠檬水等。
• 基本要求：检查不同的要求，例如CGPA，性别和工作经验等。
• 需求提取：
  • TF-IDF：它计算每个关键字的分数，表示其对文档或恢复的重要性。

     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.
    

• 生成文档相似性分数：使用RESUMES的KNN（K-Nearest邻居）模型和TF-IDF重量，系统根据职位描述生成了每个简历的文档相似性分数（KNN得分）。
• 排名：根据KNN分数，系统将简历和入围列表排名。