Procesamiento de Lenguaje Natural Aplicado a la Selección de Personal
Resumen
En la actualidad, la información crece exponencialmente cada día y con esto las técnicas tradicionales de selección de personal se han transformado ya que las organizaciones están comenzando a adoptar y aprovechar la funcionalidad de la inteligencia artificial en sus procesos de contratación. Este estudio examina la aplicación del Procesamiento de Lenguaje Natural mediante una metodología de procesamiento de texto diseñada para identificar relaciones entre perfiles de candidatos y ofertas laborales. El desarrollo del proyecto fue compuesto por la captura de datos de la red social LinkedIn utilizando Web Scrapting (raspado web), una limpieza, adecuación y transformación de la información, para utilizar diferentes modelos de Word Embeddings y Transformes en el contexto de Procesamiento de Lenguaje Natural a fin de clasificar los candidatos más compatibles con la oferta laboral y así generar un nuevo conjunto de herramientas que faciliten la toma de decisiones en la selección de personal.
Citas
Alberto, M. C. (2019). Utilización del machine learning en la industria 4.0. Universidad de Valladolid.
Alicia García-García, X. G.-M.-M. (2014). Text mining versus redes neuronales. Obtenido de http://eprints.rclis.org/23152/1/pesetcrecs14.pdf
Andrés, H., & Eugenio, M. (2021). Gestión De Personas En Organizaciones Innovadoras: Manual De Teoría Y Practica. Argentina: Ediciones Granica.
Adugna Chala, S., Ansari, F., Fathi, M., & Tijdens, K. (2018). Semantic matching of job seeker to vacancy: A bidirectional approach. International Journal of Manpower, 1047-2063. London: Emerald Publishing Limited.
Apaza Alanoca, H., Rubin de Celis Vidal, A., & Chire Saire, J. E. (2021). Curriculum Vitae Recommendation Based on Text Mining.
Ayub Zubeda, J. A., Ayyas Shaheen, M. A., Narsayya Godavari , G. R., & Sadiq Naseem, S. Z. (2019). Resume Ranking using NLP and Machine Learning.
Bai, X., & Li, J. (2021). Applied Research of Knowledge in the Field of Artificial Intelligence in the Intelligent Retrieval of Teaching Resources. Scientific Programming.
Camacho-Collados, J., & Taher Pilehvar, M. (2020). Embeddings in natural language processing. En Proceedings of the 28th International Conference on Computational Linguistics: Tutorial Abstracts (pp. 10-15). https://doi.org/10.18653/v1/2020.coling-tutorials.2
Cesar, P. L., & Daniel, S. G. (2008). Minería de datos. Técnicas y herramientas: técnicas y herramientas. Madrid: Editorial Paraninfo.
Chavan, P. R., Chandurkar, Y., Tidake, A., Lavankar, G., Gaikwad, S., & Chavan, R. (2024). Enhancing recruitment efficiency: An advanced Applicant Tracking System (ATS). Pune, India: Arts and Science Press Pte. Ltd.
Cifuentes Cortés, J. D., & Martínez Naizaque, J. M. (2018). Revisión sistemática para las técnicas de minería web de. Bogota D.C: Universidad Católica de Colombia.
Devlin, J., Chang, M.-W., Kenton, L., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. En Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies.
EQUIPOS Y TALENTO . (2020, 08 06). Obtenido de EQUIPOS Y TALENTO : https://www.equiposytalento.com/noticias/2020/06/08/un-36-de-las-empresas-aumentara-los-procesos-de-seleccion-digital
Garcia de Sousa Neto, M., & Saraiva, F. (2023). Resume analysis in Portuguese using word embeddings: Development of a decision support system for candidate selection. En Anais do XX Encontro Nacional de Inteligência Artificial e Computacional (pp. 1074-1088). https://doi.org/10.5753/eniac.2023.234609
Gary, M. J., Andrew, F., Thomas, H., Robert, N., & Dursun, D. (2012). Practical Text Mining and Statistical Analysis for Non-structured Text Data. Waltham: Elsevier.
Godoy Viera, A. F. (2017, Enero). Obtenido de www.scielo.org: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-358X2017000100103
Goutam, C., Murali, P., & Satish, G. (2013). Text Mining and Analysis: Practical Methods, Examples, and Case Studies. USA: S.A.S Institute Inc.
Ibàñez, A. (2015). .Machine Learning in Scientometrics. M. Madrid: Universidad Politecnica de Madrid.
Lim, Z., Pushpanathan, K., Min Er Yew, S., Lai, Y., Sun, C.-H., Lam, J., ... Tham, Y.-C. (2023). Benchmarking large language models performances for myopia care: A comparative analysis of ChatGPT-3.5, ChatGPT-4.0, and Google Bard. EBioMedicine, 1-11.
Luis, J. A. (2016). Big Data, Análisis de grandes volúmenes de datos en organizaciones. Mexico: Alfaomega.
Myoung-Jong Kim*, I. H. (2003). The discovery of experts decision rules from qualitative bankruptcy. Expert Systems with Applications 25, 637–646.
Odili, P. O., Daudu, C. D., Adefemi, A., Ekemezie, I. O., & Usiagu, G. S. (2024, February The impact of artificial intelligence on recruitment and selection processes in the oil and gas industry: A Review. Engineering Science & Technology Journal, pp. 612-638.
Power Data. (n.d.). Obtenido de Power Data: https://www.powerdata.es/big-data#:~:text=Solo%20el%2020%25%20de%20informaci%C3%B3n,proyecto%20de%20calidad%20de%20datos
Rojas-Galeano, S., Posada, J., & Ordoñez, E. (2022). A bibliometric perspective on AI research for job resume matching. The Scientific World Journal. Obtenido de https://onlinelibrary.wiley.com/doi/10.1155/2022/8002363
Sabry, F. (2023). Text Mining. USA: One Billion Knowledgeable.
Sippy, M., Khandelwal, J., Jain, A., & Mathew, K. (2021). ResumeScan: Application Tracking and Career Prediction Model.
Sroison, P., & Chan, J. H. (2021, 12 29). Resume Parser with Natural Language. Obtenido de https://www.techrxiv.org/doi/full/10.36227/techrxiv.17641604.v1
T. M. Harsha, G. S. (2022). Automated Resume Screener using Natural Language Processing(NLP). En International Conference on Trends in Electronics and Informatics (ICOEI) (pp. 1772-1777). Tirunelveli, India: IEEE.
Winasti, W. E. (2018). Inpatient fow management: A systematic review. . Health Care Qual., 718–734.
Derechos de autor 2025 Apuntes de Ciencia & Sociedad
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
