Skip to main content

دعونا نتحدث عن وصف الوظيفة: استخدام البيانات على وجه التحديد لتحديد اللغة التي يجب استخدامها

CS50 2018 - Lecture 5 - HTTP, HTML, CSS (أبريل 2025)

CS50 2018 - Lecture 5 - HTTP, HTML, CSS (أبريل 2025)
Anonim

هل أنت نينجا fullstack متحمس حول الشركات الناشئة سريعة النمو مع مكاتب المرح؟ أم أنك مطور مدروس يبحث عن مكان عمل داعم مع إمكانية التقدم؟

يمكن استخدام أي من أنماط اللغة لوصف الموقف نفسه ، ويمكن أن تكون مثل هذه الاختيارات حاسمة لاجتذاب نوع من المرشحين الذين تحتاجهم الشركة. اختيار حدسي للصوت الذي يطابق مكان العمل يبدو وكأنه استراتيجية طبيعية. ولكن عندما تريد أن تصب شبكة واسعة ، فما هي أفضل طريقة للمضي قدمًا؟

نحن مهتمون بكيفية ارتباط أشياء مثل محتوى النص بمقاييس أخرى - مثل نقرات "التقدم إلى الوظيفة". طريقة واحدة لقياس ومقارنة خصائص المستندات النصية (من بين العديد) هي تحليل المشاعر. على نطاق واسع ، غالبًا ما تقيس طرق تحليل المشاعر مدى "إيجابية" أو "سلبية" لمستند نصي عن طريق حساب الكلمات والمصطلحات الأساسية المرتبطة بهذين الأضداد.

للحصول على شعور سريع بكيفية تأثير المشاعر على نقرات طلبات التوظيف ، استخدمنا محلل معنويات مُدرَّب مسبقًا داخل أداة تسمى textblob. استخدمنا هذا لتحليل نص جميع الوظائف التي تم تشغيلها على الإطلاق في The Muse. توضح هذه الحبكة أدناه أنه ، وفقًا لأداة العرض الجاهزة هذه ، تستخدم معظم منشورات الوظيفة لغة إيجابية إلى حد ما.

مع تعيين كل وظيفة لدرجة المعنويات ، نضع كل الوظائف في 6 مجموعات متساوية في الحجم ، من الأكثر سلبية إلى الأكثر إيجابية. يمكن مقارنة توزيعات المشاعر لكل مجموعة في المخطط أدناه:

هذا هو نوع من التصور البيانات يسمى مؤامرة مربع ويساعد على تلخيص كيف تختلف مجموعاتنا 6. على سبيل المثال ، يشير السطر الموجود في منتصف كل مستطيل إلى درجة المعنويات المتوسطة لكل مجموعة ؛ توجد درجات ثقة نموذجية للوظائف في مجموعة بالقرب من هذا الخط. يحيط المستطيل الكامل 50٪ من البيانات الأقرب إلى هذا الخط (أي الأكثر شيوعًا). يساعدنا هذا النوع من الملخص (الذي يحتوي على بعض البيانات الأولية المتراكبة) في فهم أن الوظائف التي تحتوي على كلمات أكثر إيجابية ، عند البحث في جميع فئات الوظائف ، حصلت تاريخياً على المزيد من النقرات.

هناك طرق أكثر تطوراً للنظر في هذه الصفات ، والمؤامرات المذكورة أعلاه تخدش فقط سطح البيانات التي يمكن أن تساعدنا في فهمها. لدى الشركات المختلفة أيضًا أهداف مختلفة لنشر وظائفها - قد تكون جودة أو خصوصية المتقدمين للوظيفة كميات أكثر أهمية ، على سبيل المثال.

في The Muse ، نستخدم البيانات لفهم هذه المشاكل وغيرها لمساعدة الباحثين عن عمل في العثور على وظيفة أحلامهم ، ومساعدة الشركات على توظيف موظفين أحلامهم. إذا كنت مطورًا مهتمًا بالعمل على مثل هذه المشاكل ، ومساعدة الأشخاص في العثور على وظيفة أحلامهم ، فيرجى الاتصال بنا.