🎤 🖍️ 💪🏾 एमएल का उपयोग करके जीरा में स्वचालित कार्य असाइनमेंट 🧚🏾 🎅🏽 🚃

नमस्कार, हेब्र! मेरा नाम साशा है और मैं बैकएंड डेवलपर हूं। अपने खाली समय में मैं ML का अध्ययन करता हूँ और hh.ru डेटा के साथ मज़े करता हूँ।

यह आलेख इस बारे में है कि हमने मशीन लर्निंग का उपयोग करके परीक्षकों के लिए नियमित कार्य असाइनमेंट प्रक्रिया को कैसे स्वचालित किया।

Hh.ru की एक आंतरिक सेवा है, जिसके लिए Jira में कार्य बनाए जाते हैं (कंपनी के भीतर उन्हें HHS कहा जाता है) यदि कोई काम नहीं करता है या गलत तरीके से काम कर रहा है। इसके अलावा, इन कार्यों को मैन्युअल रूप से क्यूए टीम लीडर एलेक्सी द्वारा नियंत्रित किया जाता है और टीम को सौंपा जाता है जिसकी जिम्मेदारी क्षेत्र में खराबी शामिल है। लेसा जानता है कि रोबोट द्वारा उबाऊ कार्य किए जाने चाहिए। इसलिए, उन्होंने एमएल के बारे में मदद के लिए मेरी ओर रुख किया।

नीचे दिया गया ग्राफ प्रति माह HHS की राशि दिखाता है। हम बढ़ रहे हैं और कार्यों की संख्या बढ़ रही है। कार्य मुख्य रूप से प्रति दिन, कुछ घंटों के दौरान बनाए जाते हैं, और इसे लगातार विचलित करना पड़ता है।

इसलिए, ऐतिहासिक आंकड़ों के अनुसार, यह जानने के लिए आवश्यक है कि एचएचएस किस विकास टीम का निर्धारण करता है। यह एक बहु-श्रेणी वर्गीकरण कार्य है।

डेटा

मशीन सीखने के कार्यों में, सबसे महत्वपूर्ण बात गुणवत्ता डेटा है। समस्या के समाधान का परिणाम उन पर निर्भर करता है। इसलिए, किसी भी मशीन सीखने के कार्यों को डेटा का अध्ययन करने के साथ शुरू करने की आवश्यकता है। 2015 की शुरुआत से, हमने लगभग 7000 कार्य संचित किए हैं जिनमें निम्नलिखित उपयोगी जानकारी शामिल है:

सारांश - शीर्षक, संक्षिप्त विवरण
विवरण - समस्या का पूर्ण विवरण
लेबल - समस्या से संबंधित टैग की एक सूची
रिपोर्टर HHS के निर्माता का नाम है। यह सुविधा उपयोगी है क्योंकि लोग सीमित संख्या में कार्यात्मकताओं के साथ काम करते हैं।
निर्मित - निर्माण तिथि
असाइनमेंट वह व्यक्ति है जिसे कार्य सौंपा गया है। इस विशेषता से लक्ष्य चर उत्पन्न किया जाएगा।

चलो लक्ष्य चर के साथ शुरू करते हैं। सबसे पहले, प्रत्येक टीम के पास जिम्मेदारी के क्षेत्र हैं। कभी-कभी वे एक-दूसरे के साथ विकास में अंतर करते हैं, कभी-कभी एक टीम एक दूसरे को काटती है। निर्णय इस धारणा के आधार पर होगा कि असाइनमेंट, जो बंद होने के समय कार्य के साथ रहा, इसके समाधान के लिए जिम्मेदार है। लेकिन हमें किसी विशिष्ट व्यक्ति की नहीं, बल्कि एक टीम की भविष्यवाणी करने की आवश्यकता है। सौभाग्य से, जीरा में सभी टीमों को रखा गया है और मैप किया जा सकता है। लेकिन एक व्यक्ति के अनुसार एक टीम की परिभाषा के साथ, कई समस्याएं हैं:

सभी HHS तकनीकी समस्याओं से संबंधित नहीं हैं, और हम केवल उन कार्यों में रुचि रखते हैं जिन्हें विकास टीम को सौंपा जा सकता है। इसलिए, आपको उन कार्यों को बाहर करने की आवश्यकता है जहां असाइनमेंट तकनीकी विभाग से नहीं है
कभी-कभी टीमें मौजूद रहती हैं। उन्हें प्रशिक्षण सेट से भी हटा दिया जाता है।
दुर्भाग्य से, लोग कंपनी में हमेशा के लिए काम नहीं करते हैं, और कभी-कभी वे टीम से टीम में चले जाते हैं। सौभाग्य से, हम सभी टीमों की संरचना में बदलाव का इतिहास पाने में कामयाब रहे। एचएचएस और असाइनमेंट की निर्माण तिथि होने के बाद, आप पा सकते हैं कि कौन सी टीम एक विशिष्ट समय में कार्य में लगी हुई थी।

अप्रासंगिक डेटा को फ़िल्टर करने के बाद, प्रशिक्षण का नमूना 4900 कार्यों तक कम हो गया था।

आइए टीमों के बीच कार्यों के वितरण को देखें:

22 टीमों के बीच कार्य वितरित किए जाने की आवश्यकता है।

लक्षण:

सारांश और विवरण पाठ क्षेत्र हैं।

सबसे पहले, उन्हें अतिरिक्त पात्रों से साफ किया जाना चाहिए। कुछ कार्यों के लिए, यह उन लाइनों के पात्रों को छोड़ने के लिए समझ में आता है जो जानकारी ले जाते हैं, उदाहरण के लिए + और #, c ++ और c # के बीच अंतर करने के लिए, लेकिन इस मामले में मैंने केवल अक्षरों और संख्याओं को छोड़ने का फैसला किया, क्योंकि यह नहीं पाया कि अन्य वर्ण कहाँ उपयोगी हो सकते हैं।

शब्दों को लेमेटाइज्ड करने की आवश्यकता है। Lemmatization एक लेम्मा के लिए एक शब्द की कमी है, इसका सामान्य (शब्दावली) रूप। उदाहरण के लिए, बिल्ली → बिल्ली। मैंने स्टेमिंग की भी कोशिश की, लेकिन लेमेट्रीकरण के साथ गुणवत्ता थोड़ी अधिक थी। स्टैमिंग एक शब्द के आधार को खोजने की प्रक्रिया है। यह आधार एल्गोरिथम के कारण है (विभिन्न कार्यान्वयन में वे अलग-अलग हैं), उदाहरण के लिए, बिल्लियों → बिल्लियों द्वारा। पहले और दूसरे का अर्थ अलग-अलग रूपों में एक ही शब्द का रस निकालना है। मैंने यैंडेक्स तंत्र के लिए अजगर आवरण का उपयोग किया।

इसके अलावा, पाठ को उन शब्दों से साफ़ करना चाहिए जो पेलोड नहीं ले जाते हैं। उदाहरण के लिए, "था", "मुझे", "अभी तक"। बंद करो शब्द मैं आमतौर पर NLTK से लेते हैं ।

एक और दृष्टिकोण जो मैं पाठ के साथ काम करने की कोशिश करता हूं, वह शब्दों का एक चरित्र-आधारित विखंडन है। उदाहरण के लिए, एक "खोज" है। यदि आप इसे 3 वर्णों के घटकों में तोड़ते हैं, तो आपको "पोई", "ऑइस", "मुकदमा" जैसे शब्द मिलते हैं। यह अतिरिक्त कनेक्शन प्राप्त करने में मदद करता है। मान लीजिए कि "खोज" शब्द है। Lemmatization सामान्य रूप में "खोज" और "खोज" का नेतृत्व नहीं करता है, लेकिन 3 वर्णों का एक विभाजन सामान्य भाग को उजागर करेगा - "दावा"।

मैंने दो टोकन बनाए। टोकनिनेजर एक ऐसी विधि है जो इनपुट पर पाठ प्राप्त करती है, और आउटपुट में टोकन की एक सूची होती है - पाठ के घटक। पहले हाइलाइट किए गए शब्दों और संख्याओं पर प्रकाश डाला गया। दूसरा केवल लेमेटाइज्ड शब्दों पर प्रकाश डालता है, जो 3 वर्णों में विभाजित हैं, अर्थात्। आउटपुट पर, उसके पास तीन-चरित्र टोकन की सूची है।

टोकनर्स का उपयोग TfidfVectorizer में किया जाता है, जिसका उपयोग टेक्स्ट (और न केवल) डेटा को tf-idf के आधार पर वेक्टर प्रतिनिधित्व में बदलने के लिए किया जाता है। पंक्तियों की एक सूची इसे खिलाया जाता है, और आउटपुट में हमें N द्वारा एक मैट्रिक्स M प्राप्त होता है, जहाँ M पंक्तियों की संख्या है और N संकेतों की संख्या है। प्रत्येक विशेषता किसी दस्तावेज़ में एक शब्द की आवृत्ति प्रतिक्रिया है, जहां आवृत्ति को जुर्माना किया जाता है यदि शब्द सभी दस्तावेजों में कई बार होता है। Ngram_range TfidfVectorizer पैरामीटर के लिए धन्यवाद, मैंने विशेषताओं के रूप में बिगोग्राम और ट्रिगर्स जोड़े।

मैंने अतिरिक्त सुविधाओं के रूप में Word2vec के साथ प्राप्त शब्द एम्बेडिंग का उपयोग करने का भी प्रयास किया। एंबेडिंग एक शब्द का एक वेक्टर प्रतिनिधित्व है। प्रत्येक पाठ के लिए, मैंने उनके सभी शब्दों के एम्बेडिंग को औसत किया। लेकिन इससे कोई वृद्धि नहीं हुई, इसलिए मैंने इन संकेतों से इनकार कर दिया।

लेबल के लिए, एक CountVectorizer का उपयोग किया गया था। टैग के साथ पंक्तियों को इनपुट के लिए खिलाया जाता है, और आउटपुट में हमारे पास एक मैट्रिक्स होता है जहां पंक्तियाँ कार्यों के अनुरूप होती हैं और कॉलम टैग के अनुरूप होते हैं। प्रत्येक सेल में कार्य में टैग की घटनाओं की संख्या होती है। मेरे मामले में, यह 1 या 0 है।

लेबलबिनाइजर रिपोर्टर के लिए आया था। यह एक-से-एक सभी विशेषताओं को दूर करता है। प्रत्येक कार्य के लिए केवल एक ही निर्माता हो सकता है। लेबलबिनिज़र के प्रवेश द्वार पर, कार्य रचनाकारों की एक सूची प्रस्तुत की जाती है, और आउटपुट एक मैट्रिक्स होता है, जहाँ पंक्तियाँ कार्य करती हैं और स्तंभ कार्य रचनाकारों के नामों के अनुरूप होते हैं। यह पता चला है कि प्रत्येक पंक्ति में निर्माता के अनुरूप कॉलम में "1" है, और बाकी में - "0"।

निर्मित के लिए, कार्य की तिथि और वर्तमान तिथि के बीच के दिनों में अंतर माना जाता है।

परिणामस्वरूप, निम्नलिखित संकेत प्राप्त हुए:

शब्दों और संख्याओं में सारांश के लिए tf-idf (4855, 4593)
तीन वर्ण विभाजन पर सारांश के लिए tf-idf (4855, 15518)
tf-idf शब्दों और संख्याओं में वर्णन के लिए (4855, 33297)
tf-idf विवरण के लिए तीन-वर्ण विभाजन (4855, 75359) पर
लेबल के लिए प्रविष्टियों की संख्या (4855, 505)
रिपोर्टर के लिए द्विआधारी संकेत (4855, 205)
कार्य जीवनकाल (4855, 1)

इन सभी संकेतों को एक बड़े मैट्रिक्स (4855, 129478) में जोड़ा जाता है, जिस पर प्रशिक्षण किया जाएगा।

अलग-अलग, यह संकेतों के नामों को ध्यान देने योग्य है। क्योंकि कुछ मशीन लर्निंग मॉडल उन विशेषताओं की पहचान कर सकते हैं जिनका कक्षा की मान्यता पर सबसे अधिक प्रभाव पड़ता है, आपको इसका उपयोग करने की आवश्यकता है। TfidfVectorizer, CountVectorizer, LabelBinarizer के पास get_feature_names विधियाँ हैं, जो उन विशेषताओं की एक सूची प्रदर्शित करती हैं, जिनका क्रम डेटा मैट्रिसेस के स्तंभों से मेल खाता है।

भविष्यवाणी मॉडल चयन

बहुत बार XGBoost अच्छे परिणाम देता है। और वह इसके साथ शुरू हुआ। लेकिन मैंने बहुत बड़ी संख्याएँ उत्पन्न कीं, जिनमें से संख्या प्रशिक्षण नमूने के आकार से काफी अधिक है। इस मामले में, XGBoost को फिर से शुरू करने की संभावना अधिक है। परिणाम बहुत अच्छा नहीं है। उच्च आयाम लॉजिस्टिकराइजेशन को अच्छी तरह से पचाता है। उसने उच्च गुणवत्ता दिखाई।

मैंने इस उत्कृष्ट ट्यूटोरियल का उपयोग करके टेंसोरफ़्लो में तंत्रिका नेटवर्क पर एक मॉडल बनाने के लिए एक अभ्यास के रूप में भी प्रयास किया, लेकिन यह एक लॉजिस्टिक प्रतिगमन के साथ बदतर हो गया।

हाइपरपरमेटर्स का चयन

मैंने XGBoost और Tensorflow hyperparameters के साथ भी खेला, लेकिन मैंने इसे पोस्ट के बाहर छोड़ दिया, क्योंकि लॉजिस्टिक रिग्रेशन के परिणाम को पार नहीं किया गया था। अंत में मैंने उन सभी पेन को घुमा दिया जो हो सकते हैं। परिणामस्वरूप सभी पैरामीटर डिफ़ॉल्ट बने रहे, दो को छोड़कर: सॉल्वर = 'लिबलीयर' और सी = 3.0

एक और पैरामीटर जो परिणाम को प्रभावित कर सकता है वह है प्रशिक्षण नमूने का आकार। क्योंकि मैं ऐतिहासिक डेटा के साथ काम कर रहा हूं, और कई वर्षों के दौरान इतिहास गंभीरता से बदल सकता है, उदाहरण के लिए, किसी चीज़ के लिए ज़िम्मेदारी किसी अन्य टीम में जा सकती है, तो अधिक हालिया डेटा अधिक उपयोगी हो सकता है, और पुराना डेटा गुणवत्ता को भी कम कर सकता है। इस संबंध में, मैं आंकड़े के साथ आया - पुराने डेटा, जितना कम योगदान उन्हें मॉडल प्रशिक्षण के लिए देना चाहिए। उम्र के आधार पर, डेटा को एक निश्चित गुणांक से गुणा किया जाता है, जिसे फ़ंक्शन से लिया जाता है। मैंने डेटा को अटेंड करने के लिए कई फ़ंक्शन उत्पन्न किए और उस का उपयोग किया जिसने परीक्षण में सबसे बड़ी वृद्धि दी।

इसके कारण, वर्गीकरण की गुणवत्ता में 3% की वृद्धि हुई

गुणवत्ता का आकलन

वर्गीकरण की समस्याओं में, हमें यह सोचने की ज़रूरत है कि हमारे लिए क्या अधिक महत्वपूर्ण है - सटीकता या पूर्णता ? मेरे मामले में, अगर एल्गोरिथ्म गलत है, तो कुछ भी गलत नहीं है, हमें टीमों के बीच बहुत अच्छा ज्ञान है और कार्य को उन जिम्मेदार लोगों को स्थानांतरित किया जाएगा, या क्यूए में मुख्य एक के लिए। इसके अलावा, एल्गोरिथ्म गलतियों को यादृच्छिक रूप से नहीं करता है, लेकिन समस्या के करीब एक कमांड पाता है। इसलिए, पूर्णता के लिए 100% लेने का निर्णय लिया गया। और गुणवत्ता को मापने के लिए, सटीकता मीट्रिक को चुना गया था - सही उत्तरों का अनुपात, जो अंतिम मॉडल के लिए 76% था।

एक सत्यापन तंत्र के रूप में, मैंने पहली बार क्रॉस-मान्यता का उपयोग किया था - जब नमूना को एन भागों में विभाजित किया जाता है और गुणवत्ता को एक हिस्से पर जांचा जाता है, और बाकी हिस्सों पर प्रशिक्षण दिया जाता है, और इसलिए एन बार, जब तक कि प्रत्येक भाग परीक्षण भूमिका में न हो। फिर परिणाम औसत है। लेकिन मेरे मामले में, यह दृष्टिकोण फिट नहीं था, क्योंकि डेटा का क्रम बदल रहा है, और जैसा कि यह पहले ही ज्ञात हो चुका है, गुणवत्ता डेटा की ताजगी पर निर्भर करती है। इसलिए, मैंने पुराने लोगों पर हर समय अध्ययन किया, और नए लोगों पर मान्य किया गया।

आइए देखें कि कौन सी एल्गोरिथ्म सबसे अधिक भ्रमित करता है:

पहले स्थान पर मार्केटिंग और पेंडोरा हैं। यह आश्चर्य की बात नहीं है दूसरी टीम पहली से बड़ी हुई और कई कार्यक्षमताओं की जिम्मेदारी ली। यदि आप टीम के बाकी हिस्सों पर विचार करते हैं, तो आप कंपनी के आंतरिक रसोईघर से जुड़े कारणों को भी देख सकते हैं।

तुलना के लिए, मैं यादृच्छिक मॉडल देखना चाहता हूं। यदि आप एक जिम्मेदार व्यक्ति को यादृच्छिक रूप से असाइन करते हैं, तो गुणवत्ता लगभग 5% होगी, और यदि सबसे आम वर्ग के लिए, तो - 29%

सबसे महत्वपूर्ण संकेत

प्रत्येक वर्ग रिटर्न के लिए लॉजिस्टिक रीजनरेशन गुणांक देता है। यह मूल्य जितना अधिक होगा, उतना ही योगदान इस वर्ग के लिए होगा।

स्पॉइलर के नीचे, संकेतों के शीर्ष को प्रदर्शित किया जाता है। उपसर्ग इंगित करते हैं कि संकेत कहाँ से आए:

सारांश - शब्दों और संख्याओं में सारांश के लिए tf-idf
sum2 - तीन-वर्ण विभाजन पर सारांश के लिए tf-idf
desc - tf-idf के लिए शब्दों और संख्याओं में विवरण
desc2 - tf-idf वर्णन के लिए तीन-वर्ण विभाजन पर
प्रयोगशाला - लेबल क्षेत्र
प्रतिनिधि क्षेत्र रिपोर्टर

सबूत

A- टीम: sum_site (1.28), lab_responses_and_invitations (1.37), lab_failure_to नियोक्ता (1.07), lab_makeup (1.03), sum_work (1.54), lab_hhs (1.19), lab_feedback (1.06), rep_name (1.16), sum_ विंडो (1.13), sum_ ब्रेक (1.04), rep_name_1 (1.22), lab_responses_seeker (1.0), lab_site (0.92)

API: lab_delete_account (1.12), sum_comment_resume (0.94), rep_name_2 (0.9), rep_name_3 (0.83), rep_name_4 (0.89), rep_name_5 (0.91), lab_measurements_managers (0.87), lab_comments_ultments_ult_to ), sum_view (0.91), desc_comment (1.02), rep_name_6 (0.85), desc_resume (0.86), sum_api (1.01)

Android: sum_android (1.77), lab_ios (1.66), sum_application (2.9), sum_hr_mobile (1.4), lab_android (3.55), sum_hr (1.36), lab_mobile_application (3.33), sum_mobile (1.4), rep_name_2 (1.34, sum34) ), sum_android_application (1.28), sum2_pril_rilo (1.19), sum2_pril_ril (1.27), sum2_ril_log (1.19), sum2_ril_ril_ (1.19)

बिलिंग: rep_name_7 (3.88), desc_account (3.23), rep_name_8 (3.15), lab_billing_wtf (2.46), rep_name_9 (4.51), rep_name_10 (2.88), sum_account (3.16), lab_billing (2.41) (2.41) ), sum_service (2.33), lab_payment_services (1.92), sum_act (2.26), rep_name_12 (1.92), rep_name_13 (2.4)

ब्रांडी: lab_talent मूल्यांकन (2.17), rep_name_14 (1.87), rep_name_15 (3.36), lab_clickme (1.72), rep_name_16 (1.44), rep_name_17 (1.63), rep_name_18 (1.29), sum_page (1.24), sum_brand 1.33 (1)। ), sum_constructor (1.59), पेज का lab_brand (1.33), sum_description (1.23), sum_description_of कंपनी (1.17), lab_article (1.15)

Clickme: desc_act (0.73), sum_adv_hh (0.65), sum_adv_hh_ru (0.65), sum_hh (0.77), lab_hhs (1.27), lab_bs (1.91), rep_name_19 (1.17), rep_name_20 (1.17), rep_name_20 (repa)। ), सम_आदशा (०.६vertising), सुमप्लसिंग (०.६५), सुमादव (०.६५), सुम_हुआ (०.६४), सम_क्लिक_३ (०.६४)

मार्केटिंग: lab_region (0.9), lab_brakes_site (1.23), sum_mail (1.32), lab_managers_of रिक्तियों (0.93), sum_calender (0.93), rep_name_22 (1.33), lab_requests (1.25), rep_name_6 (1.53), प्रयोगशाला अपहरण, प्रयोगशालाओं में। ), sum_yandex (1.26), sum_distribution_vacancy (0.85), sum_distribution (0.85), sum_category (0.85), sum_error_function (0.83)

बुध: lab_services (1.76), sum_captcha (2.02), lab_search_services (1.89), lab_lony (2.1), lab_authorization_worker (1.68), lab_proforientation (2.53), lab_ready_summary (2.21), rep_name_77/24_ ), sum_user (1.57), rep_name_26 (1.43), lab_moderation_of रिक्तियों (1.58), desc_password (1.39), rep_name_27 (1.36)

Mobile_site: sum_mobile_version (1.32), sum_version_site (1.26), lab_application (1.51), lab_statistics (1.32), sum_mobile_version_site (1.25), lab_mobile_version (5.1), sum_version (1.41), rep_name ), lab_jtb (1.07), rep_name_16 (1.12), rep_name_29 (1.05), sum_site (0.95), rep_name_30 (0.92)

TMS: rep_name_31 (1.39), lab_talantix (4.28), rep_name_32 (1.55), rep_name_33 (2.59), sum_vacancy_talantix (0.74), lab_search (0.57), lab_search (0.63), rep_name_34 (0.64), लैब (प्रयोगशाला)। ), lab_tms (0.74), sum_hh response (0.57), lab_mailing (0.64), sum_talantix (0.6), sum2_po (0.56)

टैलेंटिक्स: sum_system (0.86), rep_name_16 (1.37), sum_talantix (1.16), lab_mail (0.94), lab_xor (0.8), lab_talantix (3.19), rep_name_35 (1.07), rep_name_18 (1.33), lab_personal_dataalata_ata ), sum_talantics (0.89), sum_proceed (0.78), lab_mail (0.77), sum_response_stop_view (0.73), rep_name_6 (0.72)

WebServices: sum_vacancy (1.36), desc_pattern (1.32), sum_archive (1.3), lab_patterns (1.39), sum_number_phone (1.44), rep_name_36 (1.28), lab_lony (2.1), lab_initation (1.27), lab_initation ), lab_selected_summages (1.2), lab_key_keys (1.22), sum_find (1.18), sum_phone (1.16), sum_folder (1.17)

iOS: sum_application (1.41), desc_application (1.13), lab_andriod (1.73), rep_name_37 (1.05), lab_mobile_application (1.88), lab_ios (4.55), rep_name_6 (1.41), rep_name_38 (1.35), योग___ ), sum_mobile (0.98), rep_name_39 (0.74), sum_resum_hide (0.88), rep_name_40 (0.81), lab_Duplication of vacancies (0.76)

आर्किटेक्चर: sum_statistics_response (1.1), rep_name_41 (1.4), lab_graphics_views_and_responses_ रिक्तियां (1.04), lab_creation_of रिक्तियां (1.16), lab_quotas (1.0), sum_special प्रस्ताव (1.02), rep_name_42/42/42/33/42 ), rep_name_43 (1.09), sum_d dependent (0.83), sum_statistics (0.83), lab_responses_worker (0.76), sum_500ka (0.74)

सैलरी बैंक: lab_500 (1.18), lab_authorization (0.79), sum_500 (1.04), rep_name_44 (0.85), sum_500_site (1.03), lab_site (1.54), lab_visibility_resume (1.54), lab_price list (1.26), lab_price (प्रयोगशाला)। sum_error (0.79), lab_delivered_orders (1.33), rep_name_43 (0.74), sum_ie_11 (0.69), sum_500_error (0.66), sum2_iteite_ite (0.65)

मोबाइल उत्पाद: lab_mobile_application (1.69), lab_backs (1.65), sum_hr_mobile (0.81), lab_applicant (0.88), lab_employer (0.84), sum_mobile (0.81), rep_name_45 (1.2), desc_d0 (0.87), rep_name (rep87)। 0.79), sum_incorrect_search_work (0.61), desc_application (0.71), rep_name_47 (0.69), rep_name_28 (0.61), sum_work_search (0.59)

भानुमती: sum_receive (2.68), desc_receive (1.72), lab_sms (1.59), sum_ letter (2.75), sum_notification_response (1.38), sum_wordword (1.52), lab_recover_password (1.52), lab_mail_mail (1.31, मेल)। ), lab_mail (1.72), lab_mail (3.37), desc_mail (1.69), desc_mail (1.47), rep_name_6 (1.32)

मिर्च: lab_saving_summary (1.43), sum_summing (2.02), sum_oron (1.57), sum_oron_vacancy (1.66), desc_resum (1.19), lab_summing (1.39), sum_code (1.2), lab_applicant (1.34) ), lab_creation_summary (1.28), rep_name_45 (1.82), sum_civilness (1.47), sum_conservation_resum (1.18), lab_invital_index (1.13)

खोज -1: sum2_poi_is_search (1.86), sum_loop (3.59), lab_questions_o_search (3.86), sum2_poi (1.86), desc_overs (2.49), lab_observes_summary (2.2), lab_observer (2.32), प्रयोगशाला (2.32) (1.62), sum_synonym (1.71), sum_sample (1.62), sum2_isk (1.58), sum2_is_isk (1.57), lab_auto-update_sum (1.57)
खोज -2: rep_name_48 (1.13), desc_d1 (1.1), lab_premium_in_search (1.02), lab_views_of रिक्तियों (1.4), sum_search (1.4), desc_d0 (1.2), lab_show_contacts (1.17), rep_name_49 (12/17)। (1.05), lab_search_of रिक्तियों (1.62), lab_responses_and_invitations (1.61), sum_response (1.09), lab_selected_results (1.37), lab_filter_of_responses (1.08)

सुपरप्रोडक्ट्स: lab_contact_information (1.78), desc_address (1.46), rep_name_46 (1.84), sum_address (1.74), lab_selected_resumes (1.45), lab_reviews_worker (1.29), sum_right_shot (1.29), sum_right (सटीक)। ), sum_error_position (1.33), rep_name_42 (1.32), sum_quota (1.14), desc_address_office (1.14), rep_name_51 (1.09)

संकेत मोटे तौर पर दर्शाते हैं कि टीमें क्या कर रही हैं।

मॉडल का उपयोग

इस पर, मॉडल का निर्माण पूरा हो गया है और इसके आधार पर एक कार्यक्रम बनाना संभव है।

कार्यक्रम में दो पायथन स्क्रिप्ट शामिल हैं। पहला एक मॉडल बनाता है, और दूसरा पूर्वानुमान बनाता है।

जीरा एक एपीआई प्रदान करता है जिसके माध्यम से आप पहले से ही पूर्ण कार्य (एचएचएस) डाउनलोड कर सकते हैं। दिन में एक बार, स्क्रिप्ट लॉन्च की जाती है और उन्हें डाउनलोड किया जाता है।
डाउनलोड किया गया डेटा टैग में बदल जाता है। सबसे पहले, डेटा को प्रशिक्षण और परीक्षण के लिए पीटा जाता है और सत्यापन के लिए एमएल-मॉडल को प्रस्तुत किया जाता है ताकि यह सुनिश्चित हो सके कि शुरू से लेकर गुणवत्ता में गिरावट शुरू न हो। और फिर दूसरी बार मॉडल को सभी डेटा पर प्रशिक्षित किया जाता है। पूरी प्रक्रिया में लगभग 10 मिनट लगते हैं।
प्रशिक्षित मॉडल हार्ड ड्राइव में सहेजा जाता है। मैंने वस्तुओं को अनुक्रमित करने के लिए डिल उपयोगिता का उपयोग किया। स्वयं मॉडल के अलावा, उन सभी वस्तुओं को सहेजना भी आवश्यक है जो विशेषताओं को प्राप्त करने के लिए उपयोग किए गए थे। यह नए एचएचएस के लिए एक ही स्थान में संकेत प्राप्त करना है।
dill , 5 .
Jira HHS.
, HHS — .
Jira API. , , — .

, , Docker .

. 76% — , . , , , . ! हुर्रे!

एमएल का उपयोग करके जीरा में स्वचालित कार्य असाइनमेंट