ResumeAtlas: Neubewertung der Lebenslaufklassifizierung mit umfangreichen Datensätzen und großen Sprachmodellen

ResumeAtlas: Revisiting Resume Classification with Large-Scale Datasets and Large Language Models

June 26, 2024

Autoren: Ahmed Heakl, Youssef Mohamed, Noran Mohamed, Ali Sharkaway, Ahmed Zaky

cs.AI

Zusammenfassung

Die zunehmende Abhängigkeit von Online-Rekrutierungsplattformen in Verbindung mit der Verbreitung von KI-Technologien hat den kritischen Bedarf an effizienten Methoden zur Lebenslaufklassifizierung hervorgehoben. Herausforderungen wie kleine Datensätze, fehlende standardisierte Lebenslaufvorlagen und Datenschutzbedenken beeinträchtigen jedoch die Genauigkeit und Effektivität bestehender Klassifizierungsmodelle. In dieser Arbeit gehen wir auf diese Herausforderungen ein, indem wir einen umfassenden Ansatz zur Lebenslaufklassifizierung vorstellen. Wir haben einen umfangreichen Datensatz von 13.389 Lebensläufen aus verschiedenen Quellen zusammengestellt und Large Language Models (LLMs) wie BERT und Gemma1.1 2B zur Klassifizierung eingesetzt. Unsere Ergebnisse zeigen signifikante Verbesserungen gegenüber traditionellen maschinellen Lernansätzen, wobei unser bestes Modell eine Top-1-Genauigkeit von 92 % und eine Top-5-Genauigkeit von 97,5 % erreicht. Diese Ergebnisse unterstreichen die Bedeutung der Datensatzqualität und fortschrittlicher Modellarchitekturen zur Steigerung der Genauigkeit und Robustheit von Lebenslaufklassifizierungssystemen und damit zur Weiterentwicklung des Bereichs der Online-Rekrutierungspraktiken.

English

The increasing reliance on online recruitment platforms coupled with the adoption of AI technologies has highlighted the critical need for efficient resume classification methods. However, challenges such as small datasets, lack of standardized resume templates, and privacy concerns hinder the accuracy and effectiveness of existing classification models. In this work, we address these challenges by presenting a comprehensive approach to resume classification. We curated a large-scale dataset of 13,389 resumes from diverse sources and employed Large Language Models (LLMs) such as BERT and Gemma1.1 2B for classification. Our results demonstrate significant improvements over traditional machine learning approaches, with our best model achieving a top-1 accuracy of 92\% and a top-5 accuracy of 97.5\%. These findings underscore the importance of dataset quality and advanced model architectures in enhancing the accuracy and robustness of resume classification systems, thus advancing the field of online recruitment practices.