Apport de la classification multilabels pour caractériser des offres d'emploi - HelloWork

La classification de texte, c'est à dire le fait d'attribuer une étiquette à un document, est un des
moyens existants en traitement automatique des langues (ou NLP) pour structurer la connaissance à partir de textes bruts. Mais comment associer la bonne étiquette lorsqu'on doit choisir parmi plusieurs milliers, dont certaines sont très proches voire se recoupent ? En s'aidant d'un cas pratique dans le domaine de l’emploi, nous allons étudier comment la classification multilabels peut être mise en œuvre pour mieux catégoriser des documents.

A propos d'HelloWork

Le groupe HelloWork est l'acteur numérique de référence de l'emploi, du recrutement et de la formation en France. En tant que fournisseur de services de recrutement et de solutions RH, le groupe se positionne entre autres sur l'emploi (avec les portails RégionsJob, Cadreo ou encore Jobijoba), sur l'innovation HR Tech (analyse et matching de CV avec CV Catcher, recrutement programmatique avec Holeest) ainsi que sur la formation (avec MaFormation ou Diplomeo). Nous utilisons l'intelligence artificielle pour personnaliser l'expérience de recrutement, avec pour objectif de favoriser les mises en relation candidat / employeur ou formateur.

https://www.hellowork.com

A propos de l'oratrice

Justine Bel-Létoile, Head of Data science à HelloWork
Ingénieur généraliste de formation avec 7 ans d'expérience en data science, d'abord pour de la publicité sur internet puis pour des solutions emploi et recrutement basées sur l'IA. J'ai eu l'occasion de travailler sur des sujets comme de la segmentation utilisateurs ou des modèles de scoring (cliqueurs, churners). Depuis 2017 au sein d'HelloWork j'ai notamment pu approfondir des thématiques NLP (parsing de CV, recherche d'entités nommées, classification de texte, information retrieval, etc.).