ResumeAtlas: Een herziening van CV-classificatie met grootschalige datasets en grote taalmodelen

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

June 26, 2024

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

cs.AI

Samenvatting

De toenemende afhankelijkheid van online wervingsplatforms, in combinatie met de adoptie van AI-technologieën, heeft de cruciale behoefte aan efficiënte methoden voor cv-classificatie benadrukt. Uitdagingen zoals kleine datasets, het ontbreken van gestandaardiseerde cv-sjablonen en privacyzorgen belemmeren echter de nauwkeurigheid en effectiviteit van bestaande classificatiemodellen. In dit werk gaan we deze uitdagingen aan door een uitgebreide aanpak voor cv-classificatie te presenteren. We hebben een grootschalige dataset van 13.389 cv's uit diverse bronnen samengesteld en Large Language Models (LLMs) zoals BERT en Gemma1.1 2B ingezet voor classificatie. Onze resultaten tonen aanzienlijke verbeteringen ten opzichte van traditionele machine learning-benaderingen, waarbij ons beste model een top-1 nauwkeurigheid van 92\% en een top-5 nauwkeurigheid van 97,5\% behaalt. Deze bevindingen onderstrepen het belang van datasetkwaliteit en geavanceerde modelarchitecturen bij het verbeteren van de nauwkeurigheid en robuustheid van cv-classificatiesystemen, waardoor het vakgebied van online wervingspraktijken wordt bevorderd.

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.