Grant: Engage Grants Program

Le processus d'appariement CV/poste est extrêmement difficile. Chez Unixel, compagnie de recrutement spécialisée en TI (technologies de l'information), ce processus est présentement fait par des agents expérimentés qui extrait des mots-clés pertinents à partir d'une description de poste et entre ces mots-clés dans un moteur de recherche qui a accès à un ensemble de CVs. Ils doivent ensuite analyser les CVs retournés pour déterminer avec quels candidats ils poursuivront en entrevue. Même si les agents de recrutement extraient assez efficacement des mots-clés des descriptions, il reste difficile pour eux de retrouver les mots absents de la description qui serait pertinents à la requête envoyée au moteur de recherche. Par exemple, pour la requête initiale ""programmeur web java"", il serait aussi pertinent de retrouver les CVs mentionnant la maîtrise de technologies web java, tel JSP ou servlet, que de retrouver ceux contenant le terme programmeur ou java. Ces termes (JSP, servlet) de par leur lien apparenté au terme initial (programmeur web java) pourraient servir à faire une ""expansion de la requête"". Du à la popularité de Java, il est fort à parier que l'agent de recrutement connaisse la technologie et puisse, de ce fait, étendre la requête. Cependant, le domaine des TIs est vaste et change rapidement. Serait-t-il donc capable d'identifier les termes pertinents pour un programmeur Ruby? Ou d'identifier que les termes HMM ou n-gram pourraient être pertinents à la recherche d'un candidat connaissant les chaînes de Markov. Notre projet vise donc, avec l'aide des données d'Unixel sur les CVs et les postes, à développer un module pouvant faire l'extraction automatique de mots apparentés à l'aide de méthodes statistiques d'analyse de corpus. Notre recherche vise à adapter des méthodes connues pour des corpus de langue générale à des corpus de documents de langue spécialisée (TI) et semi-structurés (CVs, postes).