最近，IT 部门的招聘一直在增加。 软件公司正在寻找通过招聘会直接从大学招聘人才。 将项目分配给新员工的过程是人工操作，通常由组织的人力资源部门执行。这种将项目分配给新员工的过程对组织来说是一项成本高昂的工作，因为它主要依赖于人力. 最近，世界各地的软件公司都在利用机器学习和人工智能的进步来自动化企业中的日常任务以提高生产力。 在本文中，我们讨论了简历分类器应用程序的设计和实现，该应用程序采用基于集成学习的投票分类器，根据候选人在简历中提到的兴趣、工作经验和专业知识，将候选人的个人资料分类到合适的领域。轮廓。 该模型采用主题建模技术在未能达到候选配置文件分类的置信度阈值时向域列表中引入新域。 对于在应用程序中设置的置信阈值测试失败的配置文件，将调用 Stack-Overflow REST API。 API返回的主题进行主题建模以获得新的领域，在固定时间间隔后重新训练投票分类器以提高模型的准确性。 总体而言，重点是构建动态机器学习自动化工具这不仅仅依赖于将项目分配给新员工的培训数据。 我们使用新的学习模型扩展了我们之前的工作，该模型能够更准确地对简历进行分类并支持更多新领域。
