Textkernel lanceert eerste cv-parser op basis van Deep Learning voor Nederlands

Amsterdam, 5 juli 2018 – Na meer dan tien jaar onderzoek en ontwikkeling op het gebied van Artificial Intelligence, Machine Learning en Natural Language Processing, is Textkernel erin geslaagd de eerste volledig op Deep Learning gebaseerde cv-parser te ontwikkelen: Extract! 4.0. Nadat de technologie eind 2017 in de Engelse cv-parser werd geïntroduceerd, is Extract! 4.0 nu ook beschikbaar voor Nederlands.

De kunst van geautomatiseerde cv-verwerking

Voor mensen is het lezen van een cv vrij eenvoudig. Cv’s bevatten over het algemeen voor mensen duidelijk herkenbare en voorspelbare onderdelen. Heeft een cv een andere lay-out of bevat het andere informatie dan we verwachten, dan zijn we toch in staat alle relevante informatie uit het document te halen. Computerprogramma’s daarentegen moeten voortdurend doorontwikkeld worden om te kunnen garanderen dat de data met de hoogst mogelijke nauwkeurigheid uit cv’s wordt geëxtraheerd.

Het geautomatiseerd ‘lezen’ van data uit cv’s wordt ook wel cv-parsing genoemd. De technologie herkent de (ongestructureerde) gegevens in een cv, structureert deze en slaat ze doorzoekbaar op in elk gewenst softwaresysteem. Handmatige gegevensinvoer – door recruiter of kandidaat – is niet meer nodig. Daarnaast verbetert het de candidate experience en vormt de basis voor een optimaal semantisch zoek- en matchingsproces.

Nieuw tijdperk in recruitmenttechnologie

Met een volledig op Deep Learning gebaseerde cv-parser luidt Textkernel, als een van de toonaangevende onderzoeks- en ontwikkelingslaboratoria op het gebied van Artificial Intelligence (AI) voor recruitment en werving en selectie, een nieuw tijdperk in voor recruitment. De implementatie van Deep Learning-technologie in het Nederlandse model maakt de cv-parser nog nauwkeuriger: extractiefouten zijn met maar liefst 15% tot 30% afgenomen. Al in de Engelstalige Extract! 4.0 waren sterk verbeterde resultaten te zien.

Deep Learning: een gamechanger!

Deep Learning is een technologie die gebruikmaakt van algoritmes die gestructureerd zijn zoals het menselijk brein, Neurale Netwerken genaamd. Deze vorm van AI kan automatisch nieuwe patronen in data herkennen. Van zelfrijdende auto's tot geautomatiseerde persoonlijke assistenten, Deep Learning heeft een revolutie teweeggebracht in vrijwel elk gebied waarbinnen het is toegepast. Met de release van Extract! 4.0, introduceert Textkernel nu Deep Learning in het domein van recruitment. De technologie gaat voorbij de grenzen van door mensen geannoteerde data en verbetert de robuustheid van cv-parsing significant.

Extract! 4.0 beschikbaar in meerdere talen

Extract! 4.0 was al beschikbaar voor Duits, Frans en Engels en is vanaf nu ook beschikbaar in het Nederlands, Spaans, Russisch en Chinees. Binnenkort volgen meer talen.

Over Textkernel

Textkernel is internationaal marktleider in Artificial Intelligence (AI), Machine Learning en semantische technologie voor het bij elkaar brengen van kandidaten en vacatures. Met zijn cv-parsingsoftware en semantische zoek- en matchingsoplossingen  helpt Textkernel wereldwijd duizenden werving & selectie-, uitzendbureaus, detacheerders, werkgevers, vacaturebanken, HR-software leveranciers en outplacementbureaus slimmer en efficiënter te werken. Zie voor meer informatie www.textkernel.nl

Carerix en Textkernel versterken samenwerking voor optimalisering van zoektocht naar talent

Rotterdam/Amsterdam, 16 januari 2018 – Carerix, leverancier van recruitment- en detacheringoplossingen voor corporate recruiters en intermediairs, verstevigt het strategische partnership met technologiepartner Textkernel voor langere tijd. De integratie met CV-parsing en semantisch zoeken is al enkele jaren een feit. De samenwerking op deze (product)vlakken wordt verder geïntensiveerd en uitgebreid met Jobfeed, Textkernel’s big datatool voor de arbeidsmarkt. In de nabije toekomst wordt daar semantische matching aan toegevoegd.

Vind de beste talenten met Textkernel Search!

Semantisch zoeken – vinden wat je zoekt, niet alleen wat je intypt – helpt recruiters snel het juiste talent te vinden. Search! (semantisch zoeken binnen de vertrouwde Carerix-omgeving) begrijpt wat recruiters zoeken en voegt synoniemen en aanverwante termen toe aan de zoekopdracht. Dit verhoogt de kans om het beste talent voor een vacature te vinden. De resultaten zijn transparant, recruiters houden de controle. Weten hoe Search! werkt? Bekijk het Webinar.

Jobfeed; van big data naar waardevolle, praktische informatie

Jobfeed verzamelt en categoriseert alle vacatures gevonden op het web en slaat deze informatie doorzoekbaar op. De gebruiksvriendelijke integratie van deze data binnen Carerix maakt het eenvoudig elk talent uit de eigen database sneller te plaatsen. Daarnaast is Jobfeed een uitstekende tool voor het verkrijgen van inzicht in trends op de arbeidsmarkt, wervingsbehoefte bij potentiële klanten en recruitmentactiviteiten van zowel klanten als de concurrent.

Semantisch zoeken en de beschikbaarheid van big data over de online-vacaturemarkt zorgen voor verdere automatisering van het recruitmentproces. Het helpt Carerix-gebruikers nog efficiënter het juiste talent te vinden en te plaatsen en in te spelen op specifieke klantvragen.

Reinald Snik, CEO Carerix: “We zijn blij dat we ons partnership met Textkernel kunnen uitbouwen. CV-parsing, semantisch zoeken en Jobfeed voegen extra waarde toe aan de bestaande Carerix-omgeving. Het helpt onze klanten meer rendement te halen uit de eigen Carerix-database, nog beter inzicht te krijgen in kansen in de markt en nog sneller op klantvragen te kunnen reageren.”

Gerard Mulder, CCO Textkernel: “We zien het belang van Artificial Intelligence (AI) in recruitment steeds verder toenemen. Onze tooling, op basis van AI, Machine Learning en recentelijk ook Deep Learning, helpt recruiters en HR-professionals efficiënter te werken. Hierdoor blijft meer tijd over voor datgene waar recruiters goed in zijn: het gesprek aangaan met het talent. Carerix en Textkernel versterken elkaar op dat vlak. We zijn dan ook blij dat we de goede samenwerking voor langere tijd kunnen voortzetten.”