Empirical JobModel HLP

使用專家知識的基於經驗的工作匹配模型：混合方法方法

這項研究的總體目的是使用簡歷和職位描述，設計一個系統，可以將候選人和職位分類為軟件開發和數據科學相關領域的合適或不合適。這是通過識別和建模由招聘人員進行的招聘過程，用於自動分析人員進行的。

內容

• 1_Instruments_eval ：此文件夾包含評估實驗儀器的JSON和乳膠版本。
• 2_fuzzymeasuredata ：此文件夾包含定義常規模糊度量的措施 $ mu $用於Choquet集成。此外，包含工作資歷 $ W_J $ ，，，， $ W_M $ ，，，， $ W_S $ 。
• 3_DB_EVAL_AND_QUERY ：此文件夾包含實驗參與者製作的CVS的排名和排名截止，以及與每個參與者相關的一般元數據以數據庫格式相關聯。提供特殊的Python功能來查詢此數據庫。
• 4_train_test_set ：此文件夾包含暹羅網絡培訓期間使用的簡歷和作業描述數據集。每個數據集都包含其表模式。

1_Instruments_eval描述

使用該儀器的名稱，樹木，星座，水果對樂器進行分組。每組包含六個相關的簡歷。例如，在希臘文件夾中，有Delta，Kappa，Lambda，Sigma，Omega和Tau CVS。該集合的乳膠版本是使用Vinayak Sharma在Overleaf上的修改版本清潔簡歷模板製成的。 CVS中的“現在”是指2023年11月。

2_fuzzymeasuredata描述

它包含兩個Excel文件。 fspace_powerset_measure.xlsx文件具有常規模糊度量的定義 $ mu $ ，senoritylevelsweights.xlsx包含工作資歷少年（ $ W_J $ ），中層（ $ W_M $ ），以及高級或更高（ $ W_S $ ）。

3_db_eval_and_query描述

3_db_eval_and_query文件夾中包含三個文件。第一個是hlp_ranking_experiment.db，它是使用sqlite3在python中創建的，並包含ER圖中可以看到的實驗信息。第二個文件sqlite-examplequeries是jupyter筆記本，其中包含數據庫使用範圍的一些示例。第三個文件包含所有表的字典，解釋了每列的含義。

示例單元格：

 # 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 )

結果：

ID	實驗_id	DMP_ID	秩	上面_cutoff	case_id	主題_id
1	1	14	5	1	希臘	三角洲
2	2	14	2	1	希臘	卡帕
3	3	14	3	1	希臘	Lambda
4	4	14	1	1	希臘	西格瑪
5	5	14	4	1	希臘	歐米茄
6	6	14	6	1	希臘	tau

接觸

對於有關這些資源的任何查詢，建議或澄清，您可以通過以下方式與作者聯繫：

瑪麗亞·埃琳娜（MaríaElena）

• ？電子郵件：
  • [email protected]
  • [email protected]
• ？ LinkedIn

喬丹·喬爾

• ？ LinkedIn

關於作者

• MaríaElenaMartínez-Manzanares擁有2018年從Sonora大學（墨西哥）獲得的數學學士學位，並獲得了2023年從Abierta abierta abierta ya distancia deMédemédemexicoxicoxico的墨西哥大學獲得的數學教育學士學位。 2019年，她從Sonora大學獲得了數學碩士學位。目前，她正在獲得博士學位。在索諾拉大學，將她的工作集中在隨機控制區域。她即將在同一大學結束自己的數據科學碩士學位，重點關注NLP領域。她在馬爾可夫和半馬科維亞理論模型上擁有研究經驗，並使用在應用數學和數學教育的不同領域中使用混合方法的問題。她曾在遠程信息處理領域擔任數據科學家。
• 喬丹·喬爾·烏里亞斯·帕拉莫（Jordan Joel Urias Paramo）擁有2019年從墨西哥大學（墨西哥）獲得的計算機科學學士學位。他目前是數據工程師，並且是Sonora大學的數據科學碩士學位學生。
• Julio Waissman-Vilanova擁有博士學位。來自國家理工學院的自動系統（法國）。他是墨西哥索諾拉大學的完整教授，他目前的研究興趣包括圖像處理，模式識別和NLP。
• Gudelia figueroa-preciado擁有博士學位。墨西哥大學的數學學歷。她是墨西哥索諾拉大學的完整教授，她目前的研究興趣包括抽樣方法，實驗設計，推論統計。

致謝

我們要承認以下人員對這項工作的寶貴貢獻：

• 博士Cipriano Arturo Santos-Borbolla和Mba Francisco Enrique enrique Andrade-López來自Tecnológicoy De Entudios Expieres Equiereses De Esuperes De Monterrey（墨西哥）的手術人工智能小組（Oper.AI）
• 伊夫林·梅賽德斯·麥迪納·加西亞（Evelyn Mercedes Medina-García）來自墨西哥大學社會科學碩士課程（墨西哥）；
• 博士來自墨西哥大學數學系的RamónSotode la Cruz和Francisco Alejandro Bernal-Cañez（墨西哥）的數學系；
• 碩士來自科學博士學位課程的Irenisolina Antelo-López在墨西哥大學（墨西哥）的教育數學專業知識；
• 計算機科學家路易斯·費爾南多·索托馬約爾 - 薩曼尼戈。

感謝您對這項研究的興趣。