4

RésuméL’internet est au cœur du marché du travail et son utilisation s’étend à mesure qu’augmente le nombre d’internautes. La recherche d’emploi au travers des « bourses à l’emploi électroniques » et l’e-recrutement se sont banalisés. Cette explosion d’informations pose divers problèmes pour leur traitement rapide et efficace. Nous présentons le projet EGen, qui permet d’analyser les offres d’emploi de manière automatique ou assistée. Basé sur des classifieurs pilotés par un automate de Markov, le système obtient de très bons résultats. Nous proposons également une stratégie afin d’assister les recruteurs dans la tâche – difficile et d’une grande subjectivité – de classement de candidatures. Nous évaluons différentes mesures de similarité afin d’effectuer un classement pertinent des candidatures. L’utilisation d’un modèle de relevance feedback a permis de surpasser nos résultats.

Internet is at the heart of the labor market and its use spreads as increase the number of Internet users in the population. Seeking employment through “electronic employment bursary” and e-recruitment has become something current. This information explosion poses various problems in their processing with the large amount of information difficult to manage quickly and effectively. We present in this work the E-Gen project, that analyses and integrates the ads. Based on classifiers systems driven by a Markov automate, the system gets very good results. Thereafter, we present several strategies based on vectorial and probabilistic models to solve the problem of profiling candidates according to a specific ads to assist recruiters. Relevance feedback approach allows to surpass our previous results on this task.