Career Pathway Recommendation Systems: Sviluppo di Soluzioni con Metodi di Natural Language Processing

La raccomandazione di carreire lavorative è un emergente campo di ricerca che mira ad identificare un percorso lavorativo che raggiunga l'obiettivo di carriera per un utente. Molti aspetti rendono questo compito di difficile implementazione nella pratica. La similarità tra lavori deve essere accuratatmente modellata così come le abilità degli utenti. Questa tesi cerca di analizzare ed ampliare un sistema fondato sulla generazione di carriere lavorative personalizzate per mezzo di Processo Decisionale di Markov. La rappresentazione dei lavori permette l'estrazione di insiemi di abilità per mezzo di metodi non supervisionati di machine learning tipici del Natural Language Processing. Le relazioni che intercorrono tra questi insiemi porta alla definizione di relazioni tra stati che definiscono un job graph. Le carriere degli utenti vengono tradotte in percorsi all'interno di questo job graph e, identificati l'insieme di abilità iniziali dell'utente come le abilità associate al primo lavoro della sua carriera, e l'obiettivo della raccomandazione come l'ultimo lavoro della carriera, viene prodotto un grafo poi esplorato dal Markov Decision Process per produrre una sequenza di stati del job graph, una carriera raccomandata. L'obiettivo della tesi è ampliare lo studio di questo processo di raccomandazione, introducendo tecniche di Natural Language Processing internamente alle fasi che portano alla generazione di un percorso.