Библиографическое описание:Применение алгоритмов машинного обучения для автоматической генерации резюме в онлайн-сервисах : доклад, тезисы доклада / В. М. Максимов. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Цифровая трансформация: технологии, бизнес и общество : Сборник научных статей по материалам Международной научно-технической конференции. - Москва, 2025. - С. 100-109.
Аннотация:Данная статья представляет исследование эффективности алгоритмов машинного обучения для автоматической генерации резюме в онлайн-сервисах. Применена методология ТРИЗ для анализа противоречий, проведен патентный поиск (47 релевантных патентов), экспериментальное исследование 14 онлайн-платформ и статистический анализ производительности 11 алгоритмов машинного обучения. Установлено, что гибридные многоуровневые системы на базе GPT-4o демонстрируют наивысшую эффективность (98,3% точность, 109 токенов/сек). ИИ-системы сокращают время создания резюме в 6,7 раза при повышении ATS-совместимости до 89,3%. Рынок автоматической генерации резюме демонстрирует экспоненциальный рост с $170М в 2020 до прогнозируемых $480М в 2025 году. Разработана научно обоснованная модель гибридной системы генерации контента, интегрирующая принципы ТРИЗ с современными ИИ-технологиями.
This article presents a study on the effectiveness of machine learning algorithms for automatic resume generation in online services. The TRIZ methodology was applied to analyze contradictions, a patent search was conducted (47 relevant patents), an experimental study of 14 online platforms, and statistical analysis of the performance of 11 machine learning algorithms. It was found that hybrid multilevel systems based on GPT-4o demonstrate the highest efficiency (98.3% accuracy, 109 tokens/sec). AI systems reduce resume creation time by 6.7 times while increasing ATS compatibility to 89.3%. The automatic resume generation market shows exponential growth from $170M in 2020 to a projected $480M in 2025. A scientifically based model of a hybrid content generation system integrating TRIZ principles with modern AI technologies has been developed.
