Recherche et matching sémantique
Saisir des documents manuellement pour entrer des données dans des formulaires est un processus fastidieux et couteux. La compréhension automatisée des documents élimine ce problème et rend le remplissage de formulaires totalement obsolète.
Trouver plus
Mais pourquoi voulons nous recueillir des données dans des formulaires et des bases de données structurées ? La principale raison est que nous voulons avoir accès à ces informations de façon efficace. Nous voulons pouvoir faire des recherches, filtrer et analyser les données et non pas seulement savoir combien de fois un mot apparaît. La recherche est devenue très répandue, mais la recherche spécifique à un domaine dépend d’une couche sémantique spécifique au domaine qui recouvre plusieurs documents afin de pouvoir exprimer des requêtes complexes quant à la relation entre les concepts. C’est exactement le type de recherches commun au RH.
Pourquoi la recherche est-elle meilleure avec le système de Textkernel ? Parce qu’il s’agit d’une recherche sémantique et parce que nous portons beaucoup d’attention à la personne qui fait la recherche. Le système juge de la pertinence d’un document en se basant sur un modèle sophistiqué de compréhension de ce que vous voulez dire, plutôt qu’uniquement sur des mots clés que vous tapez dans une requête. Mais la technologie ne serait pas très utile si une égale attention n’était pas apportée à l’expérience de l’utilisateur. La recherche avec Textkernel est transparente, ergonomique, facile à utiliser, puissante et toujours rapide et pertinente.
La correspondance sémantique signifie, trouver deux objets qui vont bien ensemble. Par exemple un metier et une personne. La technologie sous-jacente à la recherche et à la correspondance est la même. La différence est que la correspondance est moins un processus interactif au niveau de l’utilisateur et davantage un composant qui effectue des recherches tout à fait automatiquement dans le cadre d’un processus d’affaires. Le principal avantage de notre solution Match! est sa capacité à comprendre les documents non-structurés aussi bien au niveau de la requête qu’au niveau de l’index de recherche. Ce qui veut dire que le logiciel peut prendre un très grand groupe de postes non-structurés et de profils de personnes et produire des listes de correspondance pour chaque élément présent dans l’ensemble.
Plus vous prendrez de critères en compte et plus pertinent sera le résultat des correspondances. Si vous ne faites correspondre qu’un ou deux mots clés ou critères, il est probable que vous obtiendrez un faible niveau de satisfaction de l’utilisateur. Formuler une requête ayant de nombreux critères d’interaction n’est pas seulement long, c’est aussi difficile pour la plupart des utilisateurs non techniques. Selon nous, un moteur de correspondance est supposé contenir la connaissance qui vous aide avec ce type de requête. Cela suppose l’analyse (parsing) d’un poste pour en comprendre les exigences mais aussi pour connaître les synonymes, les ontologies, les plans de carrière logiques, les distances de trajets, les critères souples et l’importance des différents critères les uns vis-à-vis des autres.
Donc, la correspondance sémantique c’est de la recherche, ajoutée à de la compréhension de document, ajoutée à de la connaissance de domaines. C’est automatique, mais aussi transparent et l’utilisateur garde le contrôle. L’apprentissage machine nous permet d’optimiser les systèmes de correspondance en apprenant du retour que les utilisateurs génèrent avec leurs systèmes de flux de travail, en postulant pour des postes, en rejetant ou en invitant des candidats à des entretiens et plus important encore en embauchant les meilleurs.
- Continuer vers Correspondance partielle de textes
- Retourner à Technologie