统计学 > 机器学习
[提交于 2022年5月10日
]
标题: 基于相似性的开发者分析器 -- Turtle Score
标题: Turtle Score -- Similarity Based Developer Analyzer
摘要: 在日常生活中,对IT公司而言,一个极具挑战性的任务是找到符合公司文化的合适候选人。 本研究旨在理解、分析并自动生成令人信服的结果,以寻找完全适合公司的候选人。 针对从事IT领域的每位员工,收集并检查其绩效指标相关数据。 这基于多个不同类别进行,从而带来多样性和广泛的视角。 针对这些数据,使用机器学习算法进行学习者分析,以获得学习者相似性和开发人员相似性,从而招募具有相同工作模式的人。 事实证明,当与性格相似的人一起工作时,特定工人的效率和能力会更高。 因此,这将为那些希望招募高生产力人才的招聘人员提供有用的工具。 也就是说,设计的模型将以高准确率和无懈可击的推荐分数提供最佳结果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.