РОЗРОБЛЕННЯ СИСТЕМИ ПЕРСОНАЛІЗОВАНИХ РЕКОМЕНДАЦІЙ ЩОДО РЕКРУТИНГУ IT-ПЕРСОНАЛУ: ОНТОЛОГІЧНИЙ ПІДХІД
DOI:
https://doi.org/10.53920/ITS-2026-1-7Ключові слова:
онтологія, онтологічне моделювання, великі мовні моделі, семантичний метчинг, ШІ-агент, рекрутинг, рекомендаційна системаАнотація
В наш час ринок фахівців в ІТ-галузі характеризується високою динамікою до змін та розвитком нових IT-технологій, мов програмування, фреймворків тощо. За таких умов ефективний процес рекрутингу ІТ-фахівців стає важливим фактором успішної роботи будь-якої компанії взагалі, та ІТ-компаній зокрема. Всі компанії висувають до ІТ-фахівців відповідні вимоги щодо рівня їхніх професійних компетенцій.
У роботі розглянута проблема підбору IT-персоналу за допомогою існуючих в наш час платформ для пошуку роботи в умовах постійного розвитку та змін IT-технологій. Ці платформи мають певні обмеження щодо способу пошуку ІТ-фахівців за ключовими словами, що обумовлено наявністю синонімії та відсутністю можливості врахування реальних зв'язків між компетенціями кандидатів на посади та відповідними вимогами роботодавців. Для усунення цих обмежень в роботі запропоновано систему персоналізованих рекомендацій для IT-фахівців, яка використовує онтологічний підхід для формалізації та розуміння семантики текстів резюме кандидатів з інформацією про їхні професійні компетенції.
В систему інтегровано інтелектуальний агент для більш глибокого лінгвістичного (з урахуванням контексту) аналізу резюме кандидатів та вимог щодо вакансій, текст яких є неструктурованим Такий підхід сприяє підвищенню рівня точності метчингу текстів щодо компетенцій кандидатів з тими компетенціями, що зазначив роботодавець в тексті про наявну вакансію. Запропонований підхід дозволить пропонувати кандидатам обґрунтовані персоналізовані рекомендації про вакансії з порадами щодо розвитку кар’єри та спростить пошук працівників, які відповідають вимогам роботодавців щодо відповідної вакансії (посади).
Посилання
1. Berners-Lee T., Hendler J., Lassila O. The Semantic Web. Scientific American, 2001. Vol. 284(5). P. 34–43.
2. OWL Web Ontology Language Overview. W3C Recommendation, 2004. URL: https://www.w3.org/TR/owl-features/ (дата звернення: 11.06.2026).
3. Musen M. A. The Protégé project: a look back and a look forward. AI Matters, 2015. Vol. 1(4). P. 4–12.
4. Lamy J. B. Owlready2: A Python module for ontology-oriented programming, with or without Class/Individual confusion. Artificial Intelligence in Medicine, 2017. Vol. 80.
P. 11–14.
5. Gruber T. R. A translation approach to portable ontology specifications. Knowledge Acquisition, 1993. Vol. 5(2). P. 199–220.
6. Al-Qurishi M. et al. A semantic matching engine for job recruitment in cloud environment. IEEE Access, 2015. Vol. 3. P. 2217–2228.
7. FastAPI framework documentation. URL: https://fastapi.tiangolo.com/ (дата звернення: 11.06.2026).
8. React: A JavaScript library for building user interfaces. URL: https://react.dev/ (дата звернення: 14.06.2026).
9. PostgreSQL 16 Documentation. PostgreSQL Global Development Group, 2023. URL: https://www.postgresql.org/docs/16/ (дата звернення: 09.06.2026).
10. SQLAlchemy 2.0 Documentation. URL: https://docs.sqlalchemy.org/en/20/ (дата звернення: 09.06.2026).
11. Zhang Y., Chen X. Explainable Recommendation: A Survey and New Perspectives. Foundations and Trends in Information Retrieval, 2020. Vol. 14(1). P. 1–101.
12. Brek A., Boufaida M. Explainable person–job recommendations: challenges, approaches, and comparative analysis. Frontiers in Artificial Intelligence, 2025. Vol. 8.
13. Salakar E. et al. Resume Screening Using Large Language Models. 2023 6th International Conference on Advances in Science and Technology (ICAST), 2023. P. 494–499.
14. Almasbekuly A. Z. Benchmarking Large Language Models for Information Extraction from Job Vacancy Descriptions. Research Reviews, 2026. № 12.
15. Arrieta A. B. et al. Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 2020. Vol. 58. P. 82–115.
16. Bizer C., Heath T., Berners-Lee T. Linked Data: The Story So Far. International Journal on Semantic Web and Information Systems, 2009. Vol. 5(3). P. 1–22.
17. García-Sánchez F. et al. Ontology-based skill matchmaking framework. Information Systems, 2006. Vol. 31(6). P. 551–574.
18. Wu Z., Palmer M. Verbs semantics and lexical selection. Proceedings of the 32nd annual meeting on Association for Computational Linguistics, 1994. P. 133–138.
19. Fenza G., Loia V., Senatore S. A hybrid approach to semantic skill matchmaking. International Journal of Intelligent Systems, 2012. Vol. 27(4). P. 345–364.
20. Redux Toolkit. URL: https://redux-toolkit.js.org. (дата звернення: 09.06.2026)
21. Work.ua. Сервіс пошуку роботи №1 в Україні. URL: https://www.work.ua. (дата звернення: 08.06.2026).
22. Djinni. Hire talent or find a job:remotely & on your own. URL: https://djinni.co/hire. (дата звернення: 08.06.2026).
23. Остаточний гід: Що таке LLM і чому це важливо у 2025 році. URL: https://www.pippit.ai/uk-ua/resource/what-is-llm (дата звернення: 09.06.2026).
24. Elasticsearch. URL: https://www.elastic.co/elasticsearch (дата звернення: 09.06.2026).
25. Sphinx. URL: https://sphinxsearch.com (дата звернення: 09.06.2026).
26. LinkedIn. Ласкаво просимо до професійної спільноти! URL: https://ua.linkedin.com (дата звернення: 09.06.2026).
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Костянтин Олександрович ТКАЧЕНКО, Ольга Іванівна ТКАЧЕНКО, Андрій Ярославович КАТРОШЕНКО
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
