Abstract
<jats:p>У роботі здійснено формалізацію процесу рекрутингу як багатокритеріальної задачі оптимізації з використанням методів штучного інтелекту та великих мовних моделей (ВММ) для аналізу резюме. Запропоновано математичну модель відбору кандидатів, яка передбачає перетворення неструктурованого текстового опису у структурований вектор ознак з подальшим обчисленням інтегрального показника корисності. Особлива увага приділена побудові цільової функції, що враховує вагові коефіцієнти критеріїв, їхню взаємодію, систему порогових обмежень та штрафний механізм для критично важливих вимог вакансії. Модель дозволяє здійснювати ранжування кандидатів на основі формалізованих показників компетентності, релевантного досвіду, результатів тестування та економічних параметрів. Для перевірки працездатності підходу проведено експериментальну апробацію на умовному наборі даних, сформованому на основі семантичного аналізу резюме. Застосовано процедуру нормалізації критеріїв та розраховано інтегральні значення функції корисності. Отримані результати продемонстрували адаптивність моделі до зміни вагових коефіцієнтів і параметрів обмежень, а також можливість формування прозорого та обґрунтованого рейтингу кандидатів. Наукова новизна полягає у поєднанні ВММ-аналізу резюме з формалізованою багатокритеріальною оптимізаційною моделлю прийняття рішення, розширенні класичної адитивної схеми шляхом урахування взаємодії критеріїв та інтеграції штрафного механізму для моделювання кадрових політик компанії. Практичне значення результатів полягає у можливості впровадження запропонованої моделі в інтелектуальні системи рекрутингу з метою підвищення об’єктивності, прозорості та ефективності процесу відбору персоналу</jats:p>