Ολοκληρωμένο σύστημα σύστασης εργασίας - εργαζομένου βασισμένο στην εισαγωγή περιορισμών

Abstract

Information Explosion is the term used to declare the fast augmentation of the amount of published information or data and the influence of this abundance. This term seems to describe in the most targeted way the problem our computer-network oriented society suffers. In everyday life, we are faced with an information-storming coming from diverse sources. As the amount of available data grows, the challenge of managing this information becomes less straightforward. In order to overcome the problem of Information Overload, we must increase and improve our existing filtering capabilities. Moreover, the Information Overload is responsible for the poor decisions sometimes reached by end users such as purchasers, readers, recruiters or job seekers. Most of the times, having to select among many diverse items results in user decisions of lower-quality. Undoubtedly having choices is one of our society’s greatest accomplishments, but without any form of control, the more choices coming up, the more overwhelmed a user may end up feeling. Thus Recommender Systems (RSs), the scientific child of the coexistence of various computer science fields i.e. Artificial Intelligence, Machine Learning, Data Mining, Information Retrieval and Human Computer Interaction, were invented to handle the issues and moderate the adversities emerged from Information Overload. In this Thesis, we present a framework for a Constrain-Based Job Recommender System that matches available job positions with job seekers. Our framework utilizes the Four Dimensions Recommendation Algorithm (FoDRA) in which a job attribute (e.g. age of candidate) can be modeled in four classes: exact value (E), a range with lower limit (L), a range with upper limit (U) and a range with both lower and upper limit (LU). FoDRA allows us to better formulate the job seeking and recruiting domain in a computational form. We describe both the system architecture in a high-level and the algorithm formulation of the job seeking and recruiting domain required by FoDRA. Our framework is validated through comparative experiments with real data.

Έκρηξη Πληροφοριών είναι ο όρος που χρησιμοποιείται για να δηλώσει την ταχεία αύξηση των διαθέσιμων πληροφοριών. Ο όρος αυτός, φαίνεται να περιγράφει με τον πλέον ακριβή τρόπο το πρόβλημα που αντιμετωπίζει η δικτυοκεντρική και προσανατολισμένη στου Η/Υ κοινωνία μας. Καθημερινά, βρισκόμαστε αντιμέτωποι με μια πληθώρα δεδομένων, προερχόμενη από διαφορετικές πηγές. Όσο αυξάνεται ο αριθμός των διαθέσιμων δεδομένων, οι προκλήσεις διαχείρισης γίνονται πολυπλοκότερες. Επιπλέον, η Πληροφοριακή Υπερπληθώρα είναι υπεύθυνη για τις λανθασμένες ή άστοχες αποφάσεις των τελικών χρηστών. Η ύπαρξη πολλών επιλογών είναι ένα από τα μεγαλύτερα επιτεύγματα της κοινωνίας μας, αλλά χωρίς καμία μορφή ελέγχου ή φιλτραρίσματος, αυξάνεται η δυσκολία σωστών επιλογών. Προκειμένου να ξεπεραστεί το πρόβλημα της Πληροφοριακής Υπερπληθώρας, η επιστημονική κοινότητα στράφηκε στην βελτίωση των διαθέσιμων τεχνικών φιλτραρίσματος. Τα Συστήματα Σύστασης (Recommender Systems) αναπτύχθηκαν για να αντιμετωπίσουν τα προβλήματα και να μετριάσουν τις αντιξοότητες που υφίσταται η κοινωνία μας. Η αναζήτηση εργασίας είναι ένας τομέας που μαστίζεται από το φαινόμενο της Πληροφοριακής Υπερπληθώρας. Στην παρούσα διατριβή αντιμετωπίζουμε το πρόβλημα της Πληροφοριακής Υπερπληθώρας στον τομέα της αναζήτησης εργασίας, μέσω του προτεινόμενου Συστήματος Σύστασης Εργασίας Βασισμένο σε Περιορισμούς. Αρχικά διατυπώνεται μαθηματικά το πρόβλημα της αναζήτησης εργασίας και στην συνέχεια παρουσιάζεται η αρχιτεκτονική σχεδίαση του συστήματος με τον προτεινόμενο Αλγόριθμο Σύστασης Τεσσάρων Διαστάσεων. Σύμφωνα με τον αλγόριθμο κάθε δεξιότητα μπορεί να εκφραστεί υπό την μορφή τεσσάρων περιοριστικών κατηγοριών: ακριβούς τιμής, με κάτω όριο, με άνω όριο και με άνω και κάτω όριο. Με την προσέγγιση αυτή υπολογίζουμε την καταλληλότητα του εργαζόμενου για μια θέση εργασίας και όχι απλά την ομοιότητα. Τέλος, το πλαίσιο της διατριβής ολοκληρώνεται μέσω συγκριτικών πειραμάτων με πραγματικά δεδομένα.