Implementazione di Algoritmi di Machine Learning per l'Ottimizzazione del Processo di Recruiting Aziendale

This thesis aims to develop a solution to support the Human Resources department of Advant s.r.l. during the personnel recruitment process. The main challenge the company faces is the large volume of resumes, which makes it complex and costly to evaluate each candidate and assign them to the most suitable business unit. Without an automated system, the screening process would be inefficient, slowing down the recruitment of new personnel. The fundamental objective was to create a business intelligence system capable of processing a large number of resumes and identifying the most appropriate business unit for allocation through machine learning algorithms. The developed system is designed to simplify the candidate selection process by automatically extracting personal information from resumes and identifying those less aligned with the company’s needs. It also enables the definition of an affinity percentage to pinpoint the most suitable profiles for the company’s various business units. To achieve these objectives, an advanced solution was implemented, leveraging several natural language processing techniques. In particular, information extraction methodologies based on NLP were adopted, complemented by topic modeling through unsupervised models and text vectorization techniques. The system was further refined by retraining the model with supervised techniques, thereby improving the accuracy of candidate selection. The results obtained were then used to design a data mart, providing effective support for the Human Resources team’s analyses. The project’s outcomes confirmed the effectiveness of the developed system. The models were able to correctly classify the majority of candidates, significantly reducing the time needed for manual evaluation. Automating this process allowed the Human Resources department to focus more on qualitative analysis of profiles, optimizing corporate resources and accelerating the selection process.

La presente tesi si pone l’obiettivo di sviluppare una soluzione per supportare il reparto Risorse Umane dell'azienda Advant s.r.l. durante il processo di recruiting del personale. La problematica principale che l’azienda deve gestire è una grande quantità di curricula che rende complessa e onerosa la valutazione di ciascun candidato e la corretta assegnazione alla business unit più idonea. Senza un sistema automatizzato, il processo di screening risulterebbe inefficiente, rallentando il reclutamento delle risorse. L’obiettivo alla base è stato quello di creare un sistema di business intelligence che potesse permettere di elaborare una grande quantità di curricula restituendo la migliore business unit per l’allocazione della risorsa tramite algoritmi di machine learning. Il sistema sviluppato ha l'obiettivo di semplificare il processo di selezione dei candidati, permettendo di estrarre automaticamente le informazioni personali dai curricula e di individuare quelli meno in linea con le esigenze aziendali. Inoltre, consente di definire una percentuale di affinità per identificare i profili più adatti alle diverse business unit dell'azienda. Per raggiungere questi obiettivi, è stata implementata una soluzione avanzata che sfrutta diverse tecniche di elaborazione del linguaggio naturale. In particolare, sono state adottate metodologie di estrazione delle informazioni basate sul Natural Language Processing, affiancate dalla modellazione dei topic attraverso modelli non supervisionati e tecniche di vettorizzazione del testo. Il sistema è stato inoltre perfezionato con un retraining del modello tramite tecniche supervisionate, migliorando così la precisione nella selezione dei candidati. I risultati ottenuti sono stati infine utilizzati per progettare un data mart, offrendo un supporto efficace all'analisi da parte del team delle risorse umane.I risultati ottenuti dal progetto hanno confermato l'efficacia del sistema sviluppato. I modelli sono stati in grado di classificare correttamente la maggior parte dei candidati, riducendo significativamente il tempo necessario per la valutazione manuale. L'automazione di questo processo ha permesso al reparto Risorse Umane di concentrarsi maggiormente sull'analisi qualitativa dei profili, ottimizzando le risorse aziendali e accelerando il percorso di selezione.