金融技術(shù)實(shí)施專家大衛(wèi)·摩爾

招聘人員正在使用越來越復(fù)雜的軟件和工具來掃描簡(jiǎn)歷，并將其與張貼的工作職位和工作規(guī)格進(jìn)行匹配。如果你的簡(jiǎn)歷是通用的，或者工作說明模糊和/或通用，這些工具將對(duì)你不利。AI真的在反對(duì)你的工作申請(qǐng)，我不確定你是否知道或是否會(huì)接受它！但是讓我演示一些技巧，可以幫助您平衡困難。當(dāng)然，我們將使用NLP（自然語言處理）、Python和一些Altair可視化。準(zhǔn)備好反擊了嗎？

考慮到你對(duì)你在網(wǎng)上注意到的一個(gè)好職位感興趣。還有多少人會(huì)看到同樣的工作？和你有大致相同的經(jīng)驗(yàn)和資歷？你認(rèn)為可能有多少申請(qǐng)人提出申請(qǐng)？會(huì)不會(huì)少于10個(gè)或者少于1000個(gè)？

此外，考慮到面試小組可能只有5個(gè)強(qiáng)有力的候選人。那么，如何從995份申請(qǐng)中篩選出5個(gè)強(qiáng)有力的候選人呢？這就是為什么我說你需要平衡勝算，否則就會(huì)被扔出雜草！

處理1,000份簡(jiǎn)歷(CV)

我想，首先，你可以把這些簡(jiǎn)歷分成3或5份。把它們打印出來，分配給人類讀者。每個(gè)閱讀器從他們的堆中提供一個(gè)選擇。有5個(gè)讀者，這是一堆200份簡(jiǎn)歷--去挑選最好的一兩份。閱讀這些會(huì)花很長(zhǎng)時(shí)間，最終可能只會(huì)產(chǎn)生一個(gè)答案。我們可以用Python在幾分鐘內(nèi)閱讀所有那些簡(jiǎn)歷！

在Medium上閱讀這篇文章“我如何使用NLP（Spacy）篩選數(shù)據(jù)科學(xué)簡(jiǎn)歷”，發(fā)現(xiàn)只要兩行代碼就可以收集這1000份簡(jiǎn)歷的文件名。

#Function to read resumes from the folder one by one
mypath='D:/NLP_Resume/Candidate Resume' 
onlyfiles = [os.path.join(mypath, f) for f in os.listdir(mypath) 
             if os.path.isfile(os.path.join(mypath, f))]

變量'onlyfiles'是一個(gè)Python列表，其中包含使用Python os庫(kù)獲得的所有簡(jiǎn)歷的文件名。如果你研究了文章，你還會(huì)看到你的簡(jiǎn)歷是如何根據(jù)關(guān)鍵詞分析幾乎自動(dòng)地進(jìn)行排名和淘汰的。既然我們正在努力提高幾率，我們需要關(guān)注你想要的工作規(guī)格和你目前的簡(jiǎn)歷。他們匹配嗎？

簡(jiǎn)歷與職位描述的匹配

為了提高勝算，我們需要掃描工作描述、簡(jiǎn)歷，并衡量匹配程度。理想情況下，我們這樣做，以便輸出是有用的調(diào)整在游戲中為您。

閱讀文件

因?yàn)檫@是你的簡(jiǎn)歷，你可能有PDF或DOCX格式。Python模塊可用于讀取大多數(shù)數(shù)據(jù)格式。圖1演示了如何讀取已將內(nèi)容保存到文本文件中的文檔。

第一步總是打開文件并讀取行。下面的步驟是從字符串列表轉(zhuǎn)換為單個(gè)文本，并在此過程中進(jìn)行一些清理。圖1創(chuàng)建了變量'job content'和'cv content'，它們表示一個(gè)包含所有文本的string對(duì)象。下一個(gè)代碼片段展示了如何直接讀取Word文檔。

import docx2txt
resume = docx2txt.process("DAVID MOORE.docx")
text_resume = str(resume)

變量'text_resume'是一個(gè)string對(duì)象，保存簡(jiǎn)歷中的所有文本，就像以前一樣。也可以使用PYPDF2。

import PyPDF2

只需說，從業(yè)者有一系列的選項(xiàng)來閱讀文檔，將它們轉(zhuǎn)換為干凈的處理過的文本。這些文件可能很廣泛，很難閱讀，坦率地說，也很枯燥。你可以從總結(jié)開始。

處理文本

我喜歡Gensim并且經(jīng)常使用它。

from gensim.summarization.summarizer import summarize
from gensim.summarization import keywords

我們通過讀取一個(gè)Word文件創(chuàng)建了變量'RESUME_TEXT'。讓我們對(duì)簡(jiǎn)歷和職位發(fā)布做一個(gè)總結(jié)。

print(summarize(text_resume, ratio=0.2))

Summarizer.summarizer.summary將為您創(chuàng)建一個(gè)簡(jiǎn)潔的摘要。

summarize(jobContent, ratio=0.2)

現(xiàn)在你可以閱讀工作角色和你現(xiàn)有簡(jiǎn)歷的總體摘要了！您是否遺漏了摘要中突出顯示的工作角色？細(xì)致入微的小細(xì)節(jié)可以幫助你推銷自己。你的總結(jié)文件是否有意義，并顯示出你的基本素質(zhì)？

也許僅僅一個(gè)簡(jiǎn)明的總結(jié)是不夠的。接下來，讓我們來衡量一下你的簡(jiǎn)歷和工作說明書有多相似。圖2提供了代碼。

廣義地說，我們創(chuàng)建一個(gè)文本對(duì)象列表，然后創(chuàng)建一個(gè)sklearn CountVectorizer（）類的實(shí)例。我們還引入了cosine_similarity度量，它幫助我們度量?jī)蓚€(gè)文檔的相似性。'您的簡(jiǎn)歷符合工作描述的69.44%'。聽起來很棒，但我不會(huì)得意忘形。現(xiàn)在您可以閱讀文檔的摘要并獲得相似度度量。幾率在提高。

接下來，我們可以看看職位描述關(guān)鍵詞，看看簡(jiǎn)歷中哪些是匹配的。我們是否錯(cuò)過了幾個(gè)關(guān)鍵字，可以加強(qiáng)匹配接近100%？現(xiàn)在去斯帕西。到目前為止，這是一段相當(dāng)長(zhǎng)的旅程。Gensim,sklearn,現(xiàn)在是Spacy！我希望你沒有頭暈！

from spacy.matcher import PhraseMatcher
matcher = PhraseMatcher(Spnlp.vocab)
from collections import Counter
from gensim.summarization import keywords

我們將使用spacy的PhraseMatcher特性來匹配工作描述和簡(jiǎn)歷中的關(guān)鍵短語。Gensim關(guān)鍵字可以幫助提供匹配的短語。圖3顯示了如何運(yùn)行匹配。

使用圖3中的代碼片段提供了一個(gè)匹配的關(guān)鍵字列表。圖4顯示了總結(jié)這些關(guān)鍵字匹配的方法。使用集合中的計(jì)數(shù)器字典。

“報(bào)告”一詞包含在工作描述中，簡(jiǎn)歷有3個(gè)點(diǎn)擊量。哪些短語或關(guān)鍵字在招聘啟事中，而不在簡(jiǎn)歷中？我們能再加點(diǎn)嗎？我使用Pandas來回答這個(gè)問題-您可以看到圖5中的輸出。

如果這是真的，那也很奇怪。文檔級(jí)別的匹配率為69.44%，但看看簡(jiǎn)歷上沒有提到的一長(zhǎng)串關(guān)鍵詞。圖6顯示了所提到的關(guān)鍵字。

在現(xiàn)實(shí)中，與工作規(guī)范匹配的關(guān)鍵字很少，這導(dǎo)致我對(duì)69.44%的余弦相似度度量持懷疑態(tài)度。盡管如此，這種可能性還是在提高，因?yàn)槲覀兛梢栽诤?jiǎn)歷中看到職位說明書中沒有的關(guān)鍵詞。更少的關(guān)鍵字匹配意味著你更有可能被淘汰。查看缺失的關(guān)鍵字，你可以繼續(xù)，加強(qiáng)簡(jiǎn)歷，并重新運(yùn)行分析。不過，只是在簡(jiǎn)歷中加入關(guān)鍵詞會(huì)有負(fù)面影響，你必須非常小心你的藝術(shù)。你可能通過了最初的自動(dòng)篩選，但你會(huì)因?yàn)槿狈懽骷寄芏惶蕴?。我們確實(shí)需要對(duì)短語進(jìn)行排名，并專注于工作規(guī)范中的基本主題或詞匯。

接下來讓我們看看排名短語。對(duì)于這個(gè)練習(xí)，我將使用我自己的NLP類和一些我以前使用過的方法。

from nlp import nlp as nlp
LangProcessor = nlp()
keywordsJob = LangProcessor.keywords(jobContent)
keywordsCV = LangProcessor.keywords(cvContent)

使用我自己的類，我從前面創(chuàng)建的job和Resume對(duì)象中恢復(fù)了排序短語。下面的代碼片段為您提供了方法定義。我們現(xiàn)在使用rake模塊來提取ranked_prasses和分?jǐn)?shù)。

def keywords(self, text):
 keyword = {}
 self.rake.extract_keywords_from_text(text)
 keyword['ranked phrases'] = self.rake.get_ranked_phrases_with_scores()
 return keyword

圖7提供了方法調(diào)用輸出的說明。

“項(xiàng)目管理方法-項(xiàng)目管理”排在第31.2位，所以這是招聘中最關(guān)鍵的話題。簡(jiǎn)歷中的關(guān)鍵短語也可以稍加改動(dòng)就打印出來。

for item in keywordsCV['ranked phrases'][:10]:
 print (str(round(item[0],2)) + ' - ' + item[1] )

閱讀簡(jiǎn)歷和招聘啟事中最重要的短語，我們可以問自己是否有匹配或相似的程度？我們當(dāng)然可以運(yùn)行一個(gè)序列來找出答案！下面的代碼在職務(wù)公告和簡(jiǎn)歷中的排名短語之間創(chuàng)建交叉引用。

sims = []
phrases = []
for key in keywordsJob['ranked phrases']:
 rec={}
 rec['importance'] = key[0]
 texts = key[1] sims=[]
 avg_sim=0
 for cvkey in keywordsCV['ranked phrases']:
  cvtext = cvkey[1]
  sims.append(fuzz.ratio(texts, cvtext))
  #sims.append(lev.ratio(texts.lower(),cvtext.lower()))
  #sims.append(jaccard_similarity(texts,cvtext)) count=0
 for s in sims:
 count=count+s
 avg_sim = count/len(sims)
 rec['similarity'] = avg_sim
 rec['text'] = texts
 phrases.append(rec)

注意，我們使用fuzzy-wuzzy作為匹配引擎。代碼還有一個(gè)Levenshtein比率和JACCARD_SIMAGILE函數(shù)。圖8展示了這可能是什么樣子。

“重要性”變量是簡(jiǎn)歷中的短語得分?！跋嗨菩浴弊兞渴荈uzzy-Wuzzy的比值得分?！绊?xiàng)目管理方法”一詞排在31.2位，但交叉引用被評(píng)分的簡(jiǎn)歷短語平均得分僅為22.5位。雖然項(xiàng)目管理是這份工作的首要任務(wù)，但簡(jiǎn)歷在不同的技術(shù)項(xiàng)目上得分更明顯。通過執(zhí)行類似的練習(xí)，您可以看到AI是如何對(duì)抗應(yīng)用程序的。

圖9顯示了另一個(gè)視角。使用標(biāo)記（單詞）顯示每個(gè)單詞在工作描述中的重要性，而不是在簡(jiǎn)歷中的點(diǎn)擊量--文檔中某個(gè)特定單詞出現(xiàn)的次數(shù)越多，影響就越大。財(cái)務(wù)這個(gè)詞在職位描述中的重要性不高，但在簡(jiǎn)歷中的影響力很大。這是一個(gè)財(cái)務(wù)人員在找IT工作嗎？文字可以出賣你與AI！

我敢肯定你現(xiàn)在已經(jīng)拿到那張照片了。使用NLP工具和庫(kù)可以幫助真正理解一個(gè)工作描述和衡量相對(duì)匹配。這當(dāng)然不是強(qiáng)健或福音，但它確實(shí)傾向于甚至幾率。你的話很重要，但你不能在簡(jiǎn)歷中胡亂添加關(guān)鍵詞。你真的得寫一份強(qiáng)有力的簡(jiǎn)歷，申請(qǐng)適合你的角色。文本處理和文本挖掘是一個(gè)很大的課題，我們只觸及到可以做什么的表面。我發(fā)現(xiàn)文本挖掘和基于文本的機(jī)器學(xué)習(xí)模型非常準(zhǔn)確。讓我們看看使用牛郎星的一些視覺效果，然后總結(jié)。

牽牛星視覺

我最近經(jīng)常使用牽牛星，所以Seaborn或Matplotlib更多。牽牛星中的語法正好能讓我聽懂。我做了三個(gè)視覺效果來幫助討論--圖10顯示了關(guān)鍵字在簡(jiǎn)歷中的重要性和影響力。使用顏色比例，我們可以看到像收養(yǎng)這樣的詞在簡(jiǎn)歷中出現(xiàn)了兩次，但在招聘公告中的優(yōu)先級(jí)較低。

圖11顯示了在招聘公告和簡(jiǎn)歷中找到的排序主題的交叉引用。最重要的短語是“項(xiàng)目管理…”，但它在簡(jiǎn)歷中的排名中得分較低。

圖12描繪了類似的詞。財(cái)務(wù)在簡(jiǎn)歷上被用了10次，但在招聘啟事上卻只字不提。項(xiàng)目一詞會(huì)在簡(jiǎn)歷中提到，也會(huì)出現(xiàn)在招聘公告中。

看著圖表，在我看來簡(jiǎn)歷和工作描述似乎不太匹配。很少的共享關(guān)鍵詞和排名短語看起來很不一樣。這就是讓你的簡(jiǎn)歷被雜草洗掉的原因！

結(jié)論

閱讀這篇文章可能更像是一部大預(yù)算的“拍攝他們死的CGI好萊塢”電影。所有的大牌演員一般都出現(xiàn)在那些大片中。大型NLP庫(kù)在本文中扮演了主要角色，我們甚至還客串了更多的名字，也許是更老、更成熟的名字，比如NLTK。我們使用了Gensim、Spacy、sklearn等庫(kù)，并演示了它們的用法。我自己的類客串了一次，包裝了NLTK、rake、textblob和一堆其他模塊，所有這些都展示了對(duì)文本分析的見解，向您展示了如何與獲得夢(mèng)想工作的機(jī)會(huì)分開。

想要找到理想的工作，需要清晰而不懈地關(guān)注細(xì)節(jié)，仔細(xì)準(zhǔn)備工作申請(qǐng)、簡(jiǎn)歷和求職信。使用自然語言處理不會(huì)把你變成最好的候選人。那取決于你！但它可以提高你擊敗AI驅(qū)動(dòng)的早期回合的機(jī)會(huì)。