Владимир Викторович Лиджи-Гаряев – начальник отдела «Цифровая кафедра»
г. Элиста
+79371935125
Vladimir V. Ligi-Goryaev – Head of the Digital Department
Elista
+79371935125
Галина Алексеевна Манкаева – старший преподаватель кафедры теоретической физики
г. Элиста
+79061764200
Galina A. Mankaeva – Senior Lecturer at the Department of Theoretical Physics
Elista
+79061764200
Татьяна Борисовна Гольдварг – доцент кафедры экспериментальной физики
г. Элиста
+79093974451
Tatyana B. Goldvarg – Associate Professor of the Department of Experimental Physics
Elista
+79093974451
Светлана Сангаджиевна Мучкаева – доцент кафедры алгебры и анализа
г. Элиста
+79054007024
Svetlana S. Muchkaeva – Associate Professor of the Department of Algebra and Analysis
Elista
+79054007024
Виктор Владиславович Джахнаев – магистрант 2 курса
г. Элиста
+79886836554
Viktor V. Dzhakhnaev – 2nd year undergraduate, Direction "Mathematical Analysis",
Elista
+79886836554
Построение модели бинарной классификации для прогнозирования типа объявление в облачных ATS (системы отслеживания кандидатов) о приеме на работу (законные или мошеннические), может быть решено, в том числе, и с использованием различных алгоритмов машинного обучения. Для данной работы были выбраны традиционные алгоритмы классификации, включают LSVC (Linear Support Vector Classifier), GBT (Gradient Boost Tree) и RF(Random Forest). Один из подходов к построению такой модели заключается в выявлении и сборе соответствующих атрибутов или особенностей, которые могут помочь отличить мошенническое объявление о приеме на работу от законного. Некоторые из функций, которые могут быть полезны при обнаружении мошеннических объявлений о вакансиях, включают местоположение работы, описание вакансии, требования к работе, должностные обязанности, информацию о компании и данные о рекрутере. После чего различные алгоритмы машинного обучения могут быть обучены на подготовленных наборах данных с использованием стандартных методов, таких как перекрестная проверка, для оценки их производительности. Производительность обученных моделей может быть оценена с использованием различных оценочных показателей, таких как точность, прецизионность и отзывчивость. Наконец, наиболее эффективная модель может быть выбрана на основе оценочных показателей, а затем внедрена в производственную среду, где ее можно использовать для классификации объявлений о вакансиях как мошеннических или нет. Важно отметить, что модель также должна постоянно оцениваться и обновляться с течением времени, чтобы обеспечить ее надежность и эффективность. Исходя из результатов метрик оценки, был сделан вывод, что классификатор GBT показывает более высокую производительность и точность по сравнению с классификаторами LinearSVC и RF на данном наборе. Однако стоит учитывать, что классификатор GBT требует больше времени на обучение и прогнозирование, у GBT время 208.738579 с, а у LSVC и RF (64.267132 и 71.024914, соответственно). Учитывая результаты оценок для рабочей части программы использовали модель GBT. Для реализации прогнозирования было проведено машинное обучение на GBT, RF и LSVC на пользовательском наборе данных Job_Fraud, созданный на базе общедоступной EMSCAD. Для решения сильного дисбаланса данных была использована реализация на библиотеке синтетической передискретизации меньшинства (SMOTE). Сначала была получена модель, которую обучили на данных с помощью классификатора, удаление через TFIDFVectorizer стоп-слов в векторном пространстве, затем уменьшая разрядность данных перезагрузили данные, повторно обучили модель и векторайзер перед использованием их для прогнозирования. Для графического интерфейса использовался модуль tkinter. Функция predict() использует обученную модель для предсказаний на основе вектора признаков.
The abstract describes the construction of a binary classification model for predicting the type of job advertisement in cloud-based ATS (Applicant Tracking Systems) as either legitimate or fraudulent. Various machine learning algorithms can be employed to address this issue. Traditional classification algorithms, including LSVC (Support Vector Machine), GBT (Gradient Boosting Tree), and RF (Random Forest), have been chosen for this study. One approach to building such a model involves identifying and collecting relevant attributes or features that can help distinguish fraudulent job advertisements from legitimate ones. Some features that could be useful in detecting fraudulent job ads include job location, job description, job requirements, job responsibilities, company information, and recruiter data. Subsequently, different machine learning algorithms can be trained on prepared datasets using standard methods such as cross-validation to assess their performance. The performance of the trained models can be evaluated using various metrics such as accuracy, precision, and recall. Ultimately, the most effective model can be selected based on these evaluation metrics and deployed in a production environment, where it can classify job advertisements as fraudulent or legitimate. It's important to note that the model should also undergo continuous evaluation and updates over time to ensure its reliability and effectiveness. Based on the evaluation metrics, it was concluded that the GBT classifier exhibits higher performance and accuracy compared to the LinearSVC and RF classifiers on the given dataset. However, it should be considered that the GBT classifier requires more time for training and prediction; GBT takes 208.738579 seconds, while LSVC and RF take 64.267132 and 71.024914 seconds, respectively. Taking into account the evaluation results, the GBT model was utilized for the operational aspect of the program. For implementation of the prediction, machine learning was performed on GBT, RF, and LSVC using a custom dataset called "Job_Fraud," created based on the publicly available EMSCAD dataset. To address the significant data imbalance, an implementation of the Synthetic Minority Over-sampling Technique (SMOTE) from a library was utilized. Initially, a model was obtained and trained on the data using a classifier, removing stop-words through TFIDFVectorizer in the vector space. Then, after reducing the dimensionality of the data, the data was reloaded, and both the model and vectorizer were retrained before being used for prediction. The tkinter module was used for the graphical interface. The predict() function utilizes the trained model for predictions based on the feature vector.
The authors declare that there are no conflicts of interest present.