I N D A

Loading

Semantic Analysis

Con l’analisi e ricerca semantica puoi individuare le chiavi giuste per migliorare la corrispondenza tra gli annunci di lavoro e i tuoi candidati 

La Semantic Analysis di Inda

Grazie a un’analisi del significato semantico di parole e di testi , Inda è in grado di potenziare la ricerca semantica dei candidati (Semantic Search), l’attribuzione di un punteggio di similarità semantica per ognuno di essi (Scoring) e la corrispondenza esistente tra uno specifico annuncio di lavoro e un determinato candidato (Semantic Matching).

Come si ottiene

Attraverso l'intelligenza artificiale di Inda e, nello specifico, grazie a tecniche di Natural Language Processing e Semantic Search , sarà più facile monitorare la qualità del tuo recruiting.

E' una tecnica del Natural Language Processing (NLP) che permette di creare un mapping che associa a ogni parola ("monogramma", cioè una singola parola o un “n-gramma”, cioè una sequenza di n parole) un punto in uno spazio multidimensionale. Il mapping viene creato in modo che parole con significati semantici simili fra loro siano mappate in punti matematicamente vicini.

A partire dal mapping fra parole e vettori si può costruire un mapping di documenti testuali, quali CV e job description, in uno stesso spazio vettoriale.

I mapping precedentemente descritti permettono di calcolare la vicinanza semantica fra diverse parole, fra una parola e un testo o fra due testi, riconducendo tutte queste operazioni a calcoli matematici fra i corrispondenti vettori.

Come funziona

L’analisi e la ricerca semantica dei CV sono strumenti indispensabili per perfezionare l’attività di recruiting e rendere più funzionale la selezione dei migliori talenti.

ricerca semantica per keyword

Semantic Search

Ricerca per chiavi semantiche

Attraverso algoritmi di Deep Learning e la creazione di Word Embedding e Document Embedding, è possibile effettuare una ricerca dei CV basata su specifiche keyword. Il risultato è un set di CV con testi semanticamente vicini alla chiave di ricerca utilizzata, anche in assenza di una corrispondenza diretta.

scoring successivo a ricerca semantica

Scoring

Attribuzione di uno score

Come conseguenza delle operazioni di mapping e della ricerca e analisi dei curricula, viene attribuito uno score di similarità semantica ai CV dei candidati per valutare la rispondenza della ricerca: da 100& (matching perfetto) a 0 (ambiti semantici estremamente distanti).

matching semantico tra job e CV

Semantic Matching

Corrispondenza tra Job Description e CV

Partendo da uno specifico annuncio di lavoro, l'operazione di Document Embedding consente di analizzare la corrispondenza di una Job Description con i CV, individuando i curricula semanticamente più vicini a quel determinato annuncio di lavoro, rendendo il matching più funzionale.

ricerca semantica dei candidati simili

Semantic Matching

Ricerca dei candidati simili

Per perfezionare l'esito della ricerca mirata, la tecnica di Document Embedding permette di individuare anche CV semanticamente simili a quello ottenuto come risultato finale.

Vuoi migliorare il tuo recruiting?

Richiedi una demo per scoprire come selezionare i migliori talenti grazie a Inda e ai vantaggi della ricerca semantica 

I vantaggi della Semantic Analysis

Facilita la ricerca dei candidati nel database CV
Riduce il tempo di pre-screening
Agevola la selezione di talenti
Aumenta la produttività del team HR

CONTATTI

+39 011 586 2407
Via Amedeo Avogadro, 20 – Torino

Copyright © 2020 Inda

Inda è una soluzione di Intervieweb S.r.l. Società del gruppo Zucchetti P.IVA: 10067590017

Privacy policy   Cookie policy