コンテキストを理解するAI駆動の検索

機能

キーワードマッチだけではありません。Curriculo ATSは、テキスト検索、セマンティックベクトル、エンティティ抽出、LLMランキングを組み合わせて、正確に適した候補者を見つけます。

AI処理

生の履歴書から構造化されたインテリジェンスへ

Curriculo ATSにアップロードされたすべての履歴書は、候補者データを抽出、スコアリング、インデックス化するマルチステージのAIパイプラインを通過します。

履歴書解析

AIはPDF履歴書から構造化されたデータを抽出します：候補者名、メール、職務経験（会社、役割、日付、説明）、教育（機関、学位、日付）、およびスキル。手動データ入力は不要です。

適合スコアリング

各候補者には、0から100％の範囲でAI生成の適合スコアが与えられ、そのスコアが付与された理由が説明されます。このスコアは、キーワードの重複だけでなく、職務要件に対する適合性を評価します。

AIサマリー＆自動タグ付け

簡潔なAI生成のサマリーが候補者の強みと主要な資格を強調します。抽出されたスキル、経験レベル、業界に基づいて自動タグが適用され、フィルタリングが即座に行えます。

パイプライン回復

AI処理の任意のステージで失敗した場合（ネットワークタイムアウト、モデルエラーなど）、パイプラインは自動で再試行します。失敗した候補者は再処理のためにキューに追加され、何も壊れた状態で止まることはありません。

検索インフラストラクチャ

ベクトル、エンティティ、およびセマンティック理解

ベクトル埋め込み

すべての履歴書はpgvectorを使用して384次元のベクトル埋め込みに変換されます。これにより文書全体の意味が捉えられ、「バックエンドエンジニア」を検索すると、「サーバーサイド開発者」や「APIアーキテクト」と自分自身を表現する候補者も見つかります。

セグメント埋め込み

フル履歴書の埋め込みを超えて、経験、教育、スキルの各セクションごとに別々のベクトルが生成されます。これにより、特定の履歴書セクション内でより正確な結果を検索できます。

エンティティ抽出

名前のあるエンティティは抽出され、5種類に分類されます：スキル（Python、React、SQL）、会社（Google、Stripe）、役割（シニアエンジニア、プロダクトマネージャー）、機関（MIT、スタンフォード）、およびプロジェクト（特定のプロジェクトや製品）。これらのエンティティは構造化された検索フィルタを支えます。

ハイブリッド検索

4つの検索方法、1つのランク付け結果

Curriculo ATSは4つの検索方法を並行して実行し、最高のランキングを得るために結果を相互ランキング融合（RRF）を使用して統合します。

ランキング＆フィルタリング

相互ランキング融合＆Gmailスタイルフィルタ

相互ランキング融合（RRF）

各検索方法は独自のランク付きリストを生成します。RRFはこれらのリストを取りまとめ、すべての方法でのランク位置に基づいてスコアを割り当てます。複数のリストで上位に登場する候補者は、どの単一の方法でも1位になっていなくても、最も強力な最終スコアを得ます。これにより、単一の検索方法よりも信頼性のある結果が得られます。

Gmailスタイル範囲フィルタ

慣れ親しんだ範囲演算子で検索を絞り込みます：in:rejectedで拒否された候補者を検索し、in:trashでアーカイブされた応募者を探し、in:shortlistedでショートリストを確認します。任意の検索クエリと組み合わせることで、候補者プール全体を迅速かつ正確にフィルタリングできます。