Анализ проблемы низкой релевантности рекомендательных систем на российских онлайн-платформах рекрутинга hh.ru и SuperJob : доклад, тезисы доклададоклад, тезисы доклада, статья из сборника материалов конференций
Дополнительные ссылки: eLibrary · Источник статьи
База данных: Каталог библиотеки СФУ
Библиографическое описание: Анализ проблемы низкой релевантности рекомендательных систем на российских онлайн-платформах рекрутинга hh.ru и SuperJob : доклад, тезисы доклада / A. С. Цыганков. - [Б. м. : б. и.], 2026. - Текст : непосредственный // Достижения науки и технологий (ДНиТ-V-2026) : сборник научных статей по материалам V Всероссийской (национальной) научной конференции. - Красноярск, 2026. - С. 480-491. - ISBN 9785605323549.
Аннотация: В данной статье автором представлено эмпирическое исследование качества рекомендательных систем на двух ведущих российских платформах онлайн-рекрутинга - hh.ru и SuperJob. На основе экспертной оценки 300 рекомендаций, полученных в декабре 2025 года для трёх тестовых IT-резюме, выявлено статистически значимое превосходство платформы hh.ru по точности выдачи. Анализ показал, что hh.ru использует более сложные алгоритмы машинного обучения, хотя и склонен предлагать вакансии из смежных областей. SuperJob демонстрирует признаки простого ключевого поиска, приводящего к высокой доле нерелевантных предложений, особенно для начинающих специалистов. По результатам исследования предложена архитектура для повышения релевантности, включающая семантический поиск, профессиональный трекинг и перспективное применение графовых нейронных сетей.
In this article, the author presents an empirical study of the quality of referral systems on two leading Russian online recruiting platforms - hh.ru and SuperJob. Based on an expert assessment of 300 recommendations received in December 2025 for three test IT summaries, a statistically significant superiority of the platform was revealed. hh.ru by the accuracy of the output. The analysis showed that hh.ru He uses more sophisticated machine learning algorithms, although he tends to offer jobs from related fields. SuperJob shows signs of a simple keyword search, leading to a high proportion of irrelevant offers, especially for beginners. Based on the results of the study, an architecture for increasing relevance is proposed, including semantic search, professional tracking and the promising use of graph neural networks.
In this article, the author presents an empirical study of the quality of referral systems on two leading Russian online recruiting platforms - hh.ru and SuperJob. Based on an expert assessment of 300 recommendations received in December 2025 for three test IT summaries, a statistically significant superiority of the platform was revealed. hh.ru by the accuracy of the output. The analysis showed that hh.ru He uses more sophisticated machine learning algorithms, although he tends to offer jobs from related fields. SuperJob shows signs of a simple keyword search, leading to a high proportion of irrelevant offers, especially for beginners. Based on the results of the study, an architecture for increasing relevance is proposed, including semantic search, professional tracking and the promising use of graph neural networks.
Год издания: 2026
Авторы: Цыганков A. С.
Издательство: Красноярск
Источник: Достижения науки и технологий (ДНиТ-V-2026)
Номера страниц: 480-491
Держатель оригинала документа: Сибирский федеральный университет
Мероприятие: V Всероссийская (национальная) научная конференция «Достижения науки и технологий» (ДНиТ-V-2026) (Красноярск, 2026 ; 26.02 - 27.02)
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
Ключевые слова: recommendation systems, online recruiting, relevance, machine learning, semantic search, career tracking, graph neural networks, рекомендательные системы, онлайн-рекрутинг, hh.ru, SuperJob, релевантность, машинное обучение, семантический поиск, карьерный трекинг, графовые нейронные сети
Классификационные коды: УДК 621-039-542, ГРНТИ 06
ISBN: 9785605323549
Идентификаторы: шифр 89147100