Empirical JobModel HLP

使用专家知识的基于经验的工作匹配模型：混合方法方法

这项研究的总体目的是使用简历和职位描述，设计一个系统，可以将候选人和职位分类为软件开发和数据科学相关领域的合适或不合适。这是通过识别和建模由招聘人员进行的招聘过程，用于自动分析人员进行的。

内容

• 1_Instruments_eval ：此文件夹包含评估实验仪器的JSON和乳胶版本。
• 2_fuzzymeasuredata ：此文件夹包含定义常规模糊度量的措施 $ mu $用于Choquet集成。此外，包含工作资历 $ W_J $ ，，，， $ W_M $ ，，，， $ W_S $ 。
• 3_DB_EVAL_AND_QUERY ：此文件夹包含实验参与者制作的CVS的排名和排名截止，以及与每个参与者相关的一般元数据以数据库格式相关联。提供特殊的Python功能来查询此数据库。
• 4_train_test_set ：此文件夹包含暹罗网络培训期间使用的简历和作业描述数据集。每个数据集都包含其表模式。

1_Instruments_eval描述

使用该仪器的名称，树木，星座，水果对乐器进行分组。每组包含六个相关的简历。例如，在希腊文件夹中，有Delta，Kappa，Lambda，Sigma，Omega和Tau CVS。该集合的乳胶版本是使用Vinayak Sharma在Overleaf上的修改版本清洁简历模板制成的。 CVS中的“现在”是指2023年11月。

2_fuzzymeasuredata描述

它包含两个Excel文件。 fspace_powerset_measure.xlsx文件具有常规模糊度量的定义 $ mu $ ，senoritylevelsweights.xlsx包含工作资历少年（ $ W_J $ ），中层（ $ W_M $ ），以及高级或更高（ $ W_S $ ）。

3_db_eval_and_query描述

3_db_eval_and_query文件夹中包含三个文件。第一个是hlp_ranking_experiment.db，它是使用sqlite3在python中创建的，并包含ER图中可以看到的实验信息。第二个文件sqlite-examplequeries是jupyter笔记本，其中包含数据库使用范围的一些示例。第三个文件包含所有表的字典，解释了每列的含义。

示例单元格：

 # Assuming that a connection is established above
# The IDs you want to search for
decision_making_professional_id = 14
case_id = 'Greece'

# SQL query using placeholders for parameters
sql_query = """
SELECT er.*, cs.case_id, cs.subject_id
FROM exp_rank er
JOIN experiment e ON er.experiment_id = e.id
JOIN case_subject cs ON e.case_subject_id = cs.id
JOIN decision_making_professional dmp ON er.dmp_id = dmp.id
WHERE cs.case_id = ? AND dmp.id = ?;
"""
# Define your query with parameters
parameters = ( case_id , decision_making_professional_id )
# Execute the query and fetch the result into a DataFrame
df = pd . read_sql_query ( sql_query , conn , params = parameters )

结果：

ID	实验_id	DMP_ID	秩	上面_cutoff	case_id	主题_id
1	1	14	5	1	希腊	三角洲
2	2	14	2	1	希腊	卡帕
3	3	14	3	1	希腊	Lambda
4	4	14	1	1	希腊	西格玛
5	5	14	4	1	希腊	欧米茄
6	6	14	6	1	希腊	tau

接触

对于有关这些资源的任何查询，建议或澄清，您可以通过以下方式与作者联系：

玛丽亚·埃琳娜（MaríaElena）

• ？电子邮件：
  • [email protected]
  • [email protected]
• ？ LinkedIn

乔丹·乔尔

• ？ LinkedIn

关于作者

• MaríaElenaMartínez-Manzanares拥有2018年从Sonora大学（墨西哥）获得的数学学士学位，并获得了2023年从Abierta abierta abierta ya distancia deMédemédemexicoxicoxico的墨西哥大学获得的数学教育学士学位。 2019年，她从Sonora大学获得了数学硕士学位。目前，她正在获得博士学位。在索诺拉大学，将她的工作集中在随机控制区域。她即将在同一大学结束自己的数据科学硕士学位，重点关注NLP领域。她在马尔可夫和半马科维亚理论模型上拥有研究经验，并使用在应用数学和数学教育的不同领域中使用混合方法的问题。她曾在远程信息处理领域担任数据科学家。
• 乔丹·乔尔·乌里亚斯·帕拉莫（Jordan Joel Urias Paramo）拥有2019年从墨西哥大学（墨西哥）获得的计算机科学学士学位。他目前是数据工程师，并且是Sonora大学的数据科学硕士学位学生。
• Julio Waissman-Vilanova拥有博士学位。来自国家理工学院的自动系统（法国）。他是墨西哥索诺拉大学的完整教授，他目前的研究兴趣包括图像处理，模式识别和NLP。
• Gudelia figueroa-preciado拥有博士学位。墨西哥大学的数学学历。她是墨西哥索诺拉大学的完整教授，她目前的研究兴趣包括抽样方法，实验设计，推论统计。

致谢

我们要承认以下人员对这项工作的宝贵贡献：

• 博士Cipriano Arturo Santos-Borbolla和Mba Francisco Enrique enrique Andrade-López来自Tecnológicoy De Entudios Expieres Equiereses De Esuperes De Monterrey（墨西哥）的手术人工智能小组（Oper.AI）
• 伊夫林·梅赛德斯·麦迪纳·加西亚（Evelyn Mercedes Medina-García）来自墨西哥大学社会科学硕士课程（墨西哥）；
• 博士来自墨西哥大学数学系的RamónSotode la Cruz和Francisco Alejandro Bernal-Cañez（墨西哥）的数学系；
• 硕士来自科学博士学位课程的Irenisolina Antelo-López在墨西哥大学（墨西哥）的教育数学专业知识；
• 计算机科学家路易斯·费尔南多·索托马约尔 - 萨曼尼戈。

感谢您对这项研究的兴趣。