Smart Recruitment System

明智的招聘系統

在最短的時間內，從招聘過程中找到特定工作的最佳候選人是當今公司的挑戰。如今，申請人太多了，需要花費太多時間和精力來獲得公司工作的合適候選人。人力資源團隊需要更多的勞動力來審查候選人的簡歷或簡歷。

該項目旨在開發一個更靈活，現實和專家簡歷的排名系統，該系統有效，有效地對簡歷進行排名，並提供最佳的候選人或候選人。這是一個簡單的基於Django的簡歷排名者網站，招聘人員用戶在該網站上發布作業，候選人使用者申請工作，填寫所需的數據並上傳簡歷。系統根據職位描述的文檔相似性和使用KNN模型的簡歷對簡歷進行排名。它節省了人類的努力，時間和成本。

安裝

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

建議使用虛擬環境軟件包，例如Virtualenv。請按照以下步驟設置項目：

• 克隆該存儲庫通過git clone https://github.com/parvez86/Smart-Recruitment-System
• 使用此命令安裝所需的包裝pip install -r requirements.txt
• 根據您的數據庫，Crate數據庫並更改settings.py中的數據庫設置。如果需要，安裝適當的數據庫連接器。
  • 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：請參閱文檔，放置適當的數據庫設置並安裝連接器。
• 通過終端生成項目的遷移文件： python manage.py makemigrations
• 從終端遷移項目文件： python manage.py migrate
• 從終端創建管理面板的管理用戶： python manage.py createsuperuser createSuperuser 。並輸入用戶名，電子郵件和密碼。
• 從終端運行項目： python manage.py runserver

系統體系結構

• 註冊/登錄：用戶應該是張貼作業或申請作業的真實用戶。
• 查看作業：用戶可以瀏覽或搜索作業。
• 申請工作：真實的用戶可以申請工作。
• 上傳簡歷：感興趣的候選人用戶必須上傳其簡歷以申請所需的空缺。
• 解析：系統解析候選人恢復並根據職位描述生成候選人的文檔相似性評分。
• 排名：系統根據文檔相似性分數對簡歷進行排名。

排名模型

• 數據預處理：數據清潔，單詞詞乾和動詞檸檬水等。
• 基本要求：檢查不同的要求，例如CGPA，性別和工作經驗等。
• 需求提取：
  • TF-IDF：它計算每個關鍵字的分數，表示其對文檔或恢復的重要性。

     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.
    

• 生成文檔相似性分數：使用RESUMES的KNN（K-Nearest鄰居）模型和TF-IDF重量，系統根據職位描述生成了每個簡歷的文檔相似性分數（KNN得分）。
• 排名：根據KNN分數，系統將簡歷和入圍列表排名。