Аннотация на русском языке: В статье рассматривается задача разработки рекомендательной системы для подбора IT-вакансий на основе данных платформы hh.ru. Актуальность исследования обусловлена ростом объёма вакансий и информационной перегрузкой соискателей, что усложняет процесс поиска релевантных предложений. Целью работы является создание модели, обеспечивающей персонализированный подбор вакансий с учётом навыков, опыта и предпочтений пользователей. В рамках исследования проведён анализ структуры вакансий, выполнена предварительная обработка текстовых данных, включая очистку, нормализацию и извлечение ключевых признаков. Для представления текстовой информации применяются методы векторизации, в том числе TF-IDF и распределённые представления слов. Рассматриваются подходы контент-базированной фильтрации и коллаборативной фильтрации, обоснована целесообразность их применения в условиях ограниченности пользовательских взаимодействий. Для оценки качества рекомендаций используются метрики precision, recall и F1-score. Полученные результаты демонстрируют возможность повышения релевантности рекомендаций и эффективности подбора вакансий. Сделан вывод о перспективности применения методов обработки естественного языка и машинного обучения для решения задач интеллектуального трудоустройства.

The summary in English: Determination The article discusses the task of developing a recommendation system for selecting IT vacancies based on platform data. hh.ru The relevance of the study is due to the growing volume of vacancies and the information overload of applicants, which complicates the process of finding relevant offers. The aim of the work is to create a model that provides personalized job selection based on the skills, experience and preferences of users. As part of the study, the structure of vacancies was analyzed, and text data was preprocessed, including cleaning, normalization, and extraction of key features. Vectorization methods, including TF-IDF and distributed word representations, are used to represent textual information. The approaches of content-based filtering and collaborative filtering are considered, and the expediency of their application in conditions of limited user interactions is substantiated. The metrics precision, recall, and F1-score are used to evaluate the quality of recommendations. The results obtained demonstrate the possibility of increasing the relevance of recommendations and the effectiveness of job selection. The conclusion is made about the prospects of using natural language processing and machine learning methods to solve the problems of intellectual employment.

Ключевые слова: рекомендательная система, вакансия, hh.ru, IT-специалист.
Key words: recommendation system, vacancies, hh.ru, IT-specialist.