1.  Giới thiệu

Mục đích của sách trắng này là giải thích những hạn chế của công nghệ tìm kiếm dựa trên từ khóa ngày nay trong phạm vi tuyển dụng, tìm kiếm việc làm, thu hút và tìm nguồn nhân tài, lập hồ sơ kỹ năng, đối sánh và quản lý. Bài viết này tìm cách làm nổi bật một vấn đề: đó là công nghệ hiện tại vẫn chưa đáp ứng được sự chính xác cần có và nhu cầu mong đợi  của các cơ quan lao động chính phủ, cơ quan thống kê và các bên liên quan khác trên thị trường lao động, bao gồm cả những người tìm kiếm nhân tài và những người tìm việc, dù là chủ động hay thụ động.

Công nghệ tìm kiếm dựa trên từ khóa và Phân tích cú pháp CV hiện tại không có khả năng so sánh đồng thời và hai chiều Dữ liệu lớn dành riêng cho nghề nghiệp. Do đó, nhu cầu của các cơ quan dịch vụ công về việc làm, ví dụ như: đối sánh hồ sơ và thông tin của người lao động thất nghiệp, của các văn phòng giáo dục chính phủ, cơ sở dữ liệu về bảng việc làm, công cụ tìm việc và mạng xã hội và nghề nghiệp (sau đây gọi chung là ‘dịch vụ trực tuyến’), thư viện CV và cơ sở dữ liệu mô tả công việc chưa được đáp ứng.

Hơn nữa, sách trắng này cũng sẽ giải thích sự phát triển của công nghệ ngữ nghĩa và đặc biệt là việc sử dụng các bản thể học dữ liệu nghề nghiệp đã mang lại một giải pháp giúp so sánh các tập dữ liệu lớn với hiệu quả và độ chính xác cao hơn như thế nào. Để làm rõ chủ đề phức tạp này, các ví dụ sẽ được cung cấp xuyên suốt với bốn trường hợp sử dụng ứng dụng đối sánh ngữ nghĩa dựa trên ontology trong thế giới thực. Bài viết sẽ kết thúc với bình luận cuối cùng về lợi ích của việc đối sánh ngữ nghĩa dựa trên bản thể luận ontology trong lĩnh vực này.

1.1  Thuật ngữ và tài liệu tham khảo sử dụng trong bài viết này

Trong phần này, các thuật ngữ chúng tôi sử dụng sẽ được giải thích để tham khảo sau này. Để biết thêm nhiều thuật ngữ khác, vui lòng sử dụng bảng thuật ngữ chi tiết của chúng tôi trong phần PHỤ LỤC.

JANZZ.technology:
nguồn gốc của những thông tin liên quan đến các bản thể luận ontology và nhà phát triển công nghệ ngữ nghĩa, các sản phẩm và giải pháp được trình bày trong phần sau của bài viết này.

JANZZsme!:
Công cụ đối sánh thông minh được JANZZ.technology thiết kế và phát triển để tìm kiếm và đối sánh thông tin từ các nguồn dữ liệu (có cấu trúc và không có cấu trúc), chẳng hạn như hồ sơ lao động của chính phủ về thống kê thất nghiệp, cơ sở dữ liệu CV hoặc lời mời làm việc… và đưa ra các kết quả được xác định với các tham số mong muốn của người dùng.

JANZZon!:
Bản thể luận độc đáo được JANZZ.technology thiết kế và xây dựng để hoạt động như một cơ sở kiến thức bách khoa có chứa dữ liệu nghề nghiệp được kết nối với nhau trong một hệ thống ngữ nghĩa đa quan hệ, được sử dụng thông qua JANZZrestAPI để cung cấp ngữ cảnh cho công cụ đối sánh hoặc trong các công cụ phân tích thống kê hoặc cho nền tảng của bên thứ ba để làm giàu dữ liệu, v.v.

JANZZclassifier!:
Công cụ phân loại tối ưu được JANZZ.technology thiết kế và xây dựng để phân loại và chuẩn hóa các tập dữ liệu khổng lồ, đồng thời làm cho dữ liệu có thể so sánh được nhờ siêu dữ liệu được chú thích bao gồm các phân loại chính thức, các kỹ năng, công việc, chức năng có liên quan, và nhiều hơn thế nữa.

Dữ liệu nghề nghiệp (Occupation data):
là thuật ngữ dành riêng cho các nghề nghiệp và bao gồm tất cả các dữ liệu liên quan khác, được gọi là “khái niệm”. Dữ liệu nghề nghiệp bao gồm các công việc hoặc bản thân nghề nghiệp, chuyên môn (đặc biệt đối với nghề đó), các kỹ năng và năng lực cần có, chức năng cần thiết, kinh nghiệm (được tích lũy trong nghề), trình độ chuyên môn và trình độ học vấn, và cuối cùng là các kỹ năng mềm. Trong tương lai có thể có thêm nhiều dữ liệu được bổ sung tùy theo sự phát triển về yêu cầu thống kê của ngành, ví dụ: môi trường làm việc.

Lớp nghề (Occupation Class):
(OC): The OC defines how strongly the occupation itself is considered in relation to the other occupation data when comparison and matching between two or more complex sets of data. The occupations are defined from very specific to not very specific at all. Highly specific occupations are weighted highly, and less-specific are given a progressively lower weighting.

Ví dụ: Nữ hộ sinh có tính đặc thù cao (OC1); Giáo viên rơi vào giữa thang độ đặc thù (OC3); Nhà tư vấn không cụ thể và có mức OC thấp (5).

Với những nghề nghiệp ít cụ thể hơn, tầm quan trọng sẽ chuyển từ bản thân nghề nghiệp sang dữ liệu nghề nghiệp liên quan khác, ví dụ như: chuyên môn, chức năng, kỹ năng, kinh nghiệm, v.v.

…

Ngữ nghĩa:
Trong bối cảnh so sánh dữ liệu, trái ngược với ngôn ngữ học, ngữ nghĩa mô tả cách các khái niệm có liên quan với nhau một cách hợp lý và theo ngữ cảnh – có tham chiếu đến bối cảnh và nguồn gốc của chúng.

Ví dụ: ERP↔SAP. Một ví dụ về ERP là SAP, cùng với những ERP khác. SAP là một ERP
Hoặc, thợ mộc↔thợ làm đồ gỗ.

Không có mối liên hệ ngôn ngữ nào giữa ERP và SAP hoặc giữa thợ mộc và thợ làm đồ gỗ ngoại trừ khi cả hai thuật ngữ này được sử dụng hoặc đề cập đến trong cùng một văn bản tuyển dụng do trùng hợp ngẫu nhiên hoặc theo thiết kế cụ thể. Một công cụ tìm kiếm dựa trên từ khóa sẽ tìm thấy cả hai nhưng không phải thông qua ngữ cảnh mà một cách tình cờ. Về mặt ngữ nghĩa, có một kết nối, một mối quan hệ nhưng chỉ khi thông tin đó được cung cấp bởi một bản thể luận lưu trữ các mối quan hệ đó và ngữ cảnh. Một bản thể luận sẽ lưu trữ các từ đồng nghĩa trong trường hợp đầu tiên nhưng một bản thể luận đa ngôn ngữ như của JANZZon! cũng sẽ chứa bản dịch các khái niệm VÀ từ đồng nghĩa của chúng. Tuy nhiên, một bản thể luận cũng bao gồm các thuật ngữ bị loại trừ, tức là các thuật ngữ nên được bỏ qua khi tìm kiếm một khái niệm cụ thể.

Ví dụ: Khi tìm kiếm Giám đốc điều hành CEO, hãy loại trừ Trợ lý, Trợ lý cá nhân, Trợ lý điều hành, như chúng xuất hiện trong các chức danh công việc như Trợ lý Giám đốc điều hành v.v.

Ngoài ra, một bản thể luận ontology thiết lập các mối quan hệ “phần tương đương – part equivalent ” và “giống nhưng khác – same but different” (để biết thêm về các thuật ngữ này, hãy xem PHỤ LỤC). Khi một tìm kiếm hoặc một đối sánh mang tính ngữ nghĩa, nó sẽ xem xét mối quan hệ và ý nghĩa của các từ và cụm từ để so sánh, cho phép các hệ thống như công cụ đối sánh hoặc công cụ tìm kiếm ‘hiểu’ ngữ cảnh của cụm từ được nhắm đến.

Ví dụ: Khi tìm kiếm Huấn luyện viên tiếng Anh, các ngành nghề tương tự như Giáo viên tiếng Anh và Gia sư ngôn ngữ chuyên về tiếng Anh và tiếng Pháp sẽ được đưa toàn bộ hoặc một phần vào kết quả vì gia sư song ngữ không khớp chính xác với giáo viên chỉ tập trung vào Tiếng Anh. Từ khía cạnh ngữ nghĩa của bản thân từ gia sư thì nó chỉ khớp 50%.

Những tính năng này chỉ là một số lý do tại sao bản thể luận chính là trung tâm cung cấp khả năng ngữ nghĩa cho một công cụ đối sánh.

Từ đồng âm và đa nghĩa:
Một cách sử dụng cụ thể của ontology là làm rõ sự khác biệt giữa các từ và khái niệm trông rất giống nhau hoặc giống nhau nhưng có ý nghĩa khác nhau. Điều này đặc biệt xảy ra trong nhiều ngôn ngữ và được tìm thấy trong sự khác biệt về văn hóa. Từ đồng âm là những từ và cặp từ có cách viết giống nhau, phát âm giống nhau nhưng nghĩa khác nhau.

Ví dụ: Đại diện bán hàng, Người quản lý tài khoản, Nhà tư vấn và Người quản lý dự án được sử dụng trong vô số trường hợp nhưng có ý nghĩa khác nhau tùy thuộc vào ngành, công ty hoặc tổ chức, chuyên môn, chức năng và kỹ năng.

Từ đa nghĩa rất giống với từ đồng âm ở chỗ chúng có thể được đánh vần giống nhau, nhưng cũng có thể được đánh vần khác nhau, tuy nhiên âm thanh giống nhau và cũng có ý nghĩa khác nhau nhưng có liên quan vì nguồn gốc chung.

Ví dụ: Nhà thiết kế Designer (nhiều nghĩa khác nhau tùy theo ngữ cảnh); Người quản lý Manager có thể là người phụ trách một quy trình hoặc nhân sự; Người điều hành Executive có thể giữ vị trí cấp cao trong một tổ chức hoặc là nhân viên bán hàng như “Advertising Sales Executive”; và Ứng dụng Application có thể là một công cụ phần mềm, một phần mềm dành cho thiết bị di động hoặc nhiều thứ khác.

Đây là lý do tại sao, trong một bản thể luận, các khái niệm được gắn thẻ với các ý nghĩa thay thế nhằm xử lý những sự khác biệt và nhầm lẫn để các khái niệm có thể được so sánh một cách chính xác.

…

Đặt mua sách trắng