HỆ THỐNG HỖ TRỢ TUYỂN DỤNG CÔNG BẰNG
Đặt Vấn Đề & Mục Tiêu Đề Tài
Quy mô: 1 slide đối ứng · Thời lượng dự kiến: 2 phútTừ thực trạng xử lý thủ công tốn thời gian, chi phí đến mục tiêu tự động hóa bóc tách và sơ lọc theo JD.
Từ nguy cơ thiên vị vô thức đến mục tiêu ẩn danh PII, đánh giá năng lực thực chất theo minh chứng.
Từ rủi ro rò rỉ dữ liệu cá nhân đến mục tiêu khử nhận dạng cục bộ và lưu vết kiểm toán theo quy định bảo vệ dữ liệu cá nhân hiện hành.
Doanh nghiệp tiếp nhận số lượng lớn CV. Việc đọc, phân loại từng file PDF/DOCX thủ công tiêu tốn nhiều thời gian và chi phí nhân sự.
Tự động bóc tách bố cục và sơ lọc theo JD, giúp nhà tuyển dụng tiết kiệm thời gian đọc và phân loại hồ sơ ban đầu.
Dễ bị ảnh hưởng chủ quan bởi Họ tên, Giới tính, Tuổi tác, Quê quán, Trường đại học và Ảnh chân dung của ứng viên.
Ẩn danh Họ tên, Ảnh, SĐT, Email trước khi chấm; đánh giá dựa trên bằng chứng, không quyết định đậu rớt thay con người.
CV chứa SĐT, Email, Địa chỉ, Số CCCD bị chia sẻ qua email hoặc đẩy lên Cloud không mã hóa, vi phạm quy định bảo vệ dữ liệu cá nhân hiện hành.
Khử nhận dạng tại máy cục bộ trước khi xử lý, tuyệt đối không gửi CV gốc lên Cloud; lưu vết kiểm toán khi mở thông tin liên hệ.
| Nghiên cứu học thuật (Papers) | Hệ thống thực tế (Commercial ATS) |
Khoảng trống then chốt đề tài giải quyết
TRỌNG TÂM
|
|---|---|---|
|
Đã làm được:
Khử nhận dạng trên tiếng Anh lâm sàng / pháp lý [TAB 2022] [Philter 2020] [Liu 2017]; NER tiếng Việt trên báo chí [Le-Hong 2016] [PhoBERT 2020]; chấm CV sau khi khử nhận dạng trên tiểu sử tổng hợp [PBa-LLM 2025]. Điểm còn thiếu:Chưa làm trên CV tiếng Việt; chưa xử lý bố cục trang phức tạp; thiếu cổng kiểm tra rò rỉ và lưu vết kiểm toán. |
Đã làm được:
Quản trị ứng viên quy mô lớn, giao diện hiện đại, lọc từ khóa cơ bản và tích hợp thông báo email. Điểm còn thiếu:Một số ATS thương mại chấm dạng hộp đen, không cho xem bằng chứng minh bạch, và yêu cầu tải CV thật lên Cloud (quan sát thực tế từ trang sản phẩm, không trích dẫn số liệu). |
Chốt 3 điểm thiếu cốt lõi đề tài giải quyết:
1. Chưa có hệ thống khử nhận dạng CV tiếng Việt được công bố và kiểm chứng
[1][2][3]:
Xây dựng bộ luật (Rule-based) kết hợp từ điển họ tên và quy tắc bối cảnh đặc thù cho ngôn ngữ tiếng Việt.
2. Chưa kết hợp Khử nhận dạng + Trích xuất + Chấm điểm trong 1 luồng
[4][5]:
Tích hợp khép kín từ ẩn danh PII cục bộ, chuẩn hóa JSON Schema đến so khớp bằng chứng và kiểm toán mở liên hệ.
3. Chưa xử lý tốt bố cục CV đa dạng
[6]:
Ứng dụng Recursive XY-Cut bóc tách cấu trúc CV 1 cột, 2 cột, 3 cột, sidebar và bảng biểu. |
Truy cập giao diện Web qua trình duyệt bằng kết nối HTTPS bảo mật.
Thực hiện ẩn danh PII ngay tại mạng nội bộ doanh nghiệp trước khi phát hành.
Kiểm MIME, giới hạn tệp và tạo UUID.
Xếp hạng; mở liên hệ có audit.
| Thành phần | Cơ chế đang dùng | Chi tiết / Ví dụ |
|---|---|---|
| PII có cấu trúc | Regex biên soạn riêng | Email, số điện thoại (+84), số CCCD, ngày sinh, URL liên kết cá nhân |
| Tên người Việt | Rule + Danh sách họ phổ biến + Ngữ cảnh | Nhận diện cấu trúc tên tiếng Việt, loại trừ nhầm lẫn với chức danh hoặc vị trí công việc |
| Thông tin ngữ cảnh | Contextual Rules | Tên người tham chiếu, trường đại học, tên công ty, khách hàng, tên dự án |
| Phân tích bố cục | Tọa độ khối chữ trên PDF | Nhận diện họ tên và thông tin liên lạc tại vùng header, xử lý chuẩn xác CV dạng đa cột |
| Xử lý CV scan | OCR cục bộ Tesseract | Nhận dạng văn bản từ ảnh scan, kiểm tra ngưỡng tin cậy (confidence) trước khi tiến hành che |
| Khử nhận dạng trên file PDF | PyMuPDF theo Bounding Box | Xóa triệt để text và pixel bên dưới (redact), sau đó chèn thẻ gán [FULL_NAME], [+84_PHONE] |
| Ảnh chân dung | Heuristic vùng header + OpenCV fallback | Tự động phát hiện và khử nhận dạng khuôn mặt / ảnh thẻ đại diện của ứng viên nếu có |
LIÊN HỆ: 0901 234 567 · [email protected]
ĐỊA CHỈ: 123 Nguyễn Văn Bảo, Gò Vấp, TP.HCM
HỌC VẤN: Đại học Công Nghiệp TP.HCM (IUH)
KỸ NĂNG: Python, SQL, Selenium, Pytest, Postman, API Testing
KINH NGHIỆM: 2 năm QA Automation Engineer tại Công ty Giải pháp ABC
LIÊN HỆ: [+84_PHONE] · [EMAIL]
ĐỊA CHỈ: [ADDRESS]
HỌC VẤN: [SCHOOL] (Ngành CNTT / ĐH chính quy)
KỸ NĂNG: Python, SQL, Selenium, Pytest, Postman, API Testing
KINH NGHIỆM: 2 năm QA Automation Engineer tại [ORGANIZATION_1]
Cách làm: PyMuPDF đọc text và tọa độ để khôi phục thứ tự đọc theo cột. Bộ luật tạo JSON nháp từ section, Regex và từ điển kỹ năng; khi bật -Llm, Gemini chỉ nhận văn bản đã khử nhận dạng cùng JSON nháp để enrich. Kết quả luôn được chuẩn hóa, bảo toàn placeholder và validate theo Schema v1.0 trước khi lưu.
PyMuPDF lấy text kèm tọa độ; hệ thống gom dòng, suy ra cột và đọc từ trên xuống. PDF scan không có text layer cần OCR từ bước trước.
Nhận diện section song ngữ; dùng Regex cho ngày/GPA và từ điển cho kỹ năng, công cụ, kinh nghiệm, dự án và học vấn.
Chỉ khi bật -Llm: đối chiếu JSON nháp với evidence, chuẩn hóa một contract CV duy nhất, loại dữ liệu định danh và ghi trường mơ hồ vào uncertain_fields.
{
"document_id": "c6b384ff-190a-4f48-a190-69d6fd0b89ac",
"candidate_profile": {
"target_role": {"value": "Manual Tester / QC Engineer", "confidence": 0.7, "inferred": true, "evidence_ids": []},
"total_years_experience": { "value": 5.0, "derived": true, "basis": "dated work", "evidence_ids": [] }
},
"skills": {
"technical_skills": [{"name": "API Testing", "canonical_name": "API Testing", "evidence_ids": []}],
"tools": [{"name": "Postman", "canonical_name": "Postman", "evidence_ids": []}],
"languages": [{"language": "English", "proficiency": "Fluent"}]
},
"work_experience": [{"id": "work-1", "role": "QC Engineer", "start_date": "2023", "end_date": null, "is_current": true, "date_precision": "year", "responsibilities": [], "evidence_ids": []}],
"projects": [{"id": "project-1", "source_type": "work", "work_experience_id": "work-1", "label": null, "domains": ["E-commerce"], "technologies": [], "responsibilities": [], "evidence_ids": []}]
}
Cách làm: So sánh trực tiếp giữa JSON CV và JSON JD theo 6 nhóm tiêu chí (Must-have skills, Nice-to-have skills, Thâm niên kinh nghiệm, Trình độ học vấn, Chứng chỉ, Ngoại ngữ).
Ví dụ về tính điểm thâm niên: Bản mô tả JD yêu cầu tối thiểu 2.0 năm kinh nghiệm; hồ sơ ứng viên đạt 1.58 năm:
Tương tự, các kỹ năng bắt buộc Must-have mang trọng số quyết định điều kiện sơ tuyển ban đầu.
- Có trong CV: Trích dẫn chính xác dòng văn bản gốc làm minh chứng đối chiếu (ví dụ: dòng mô tả dự án chứa Selenium/Postman).
- Không thấy trong CV: Nếu tiêu chí JD yêu cầu mà CV không nhắc tới, hệ thống ghi nhận rõ ràng: "Không thấy trong CV", tuyệt đối không suy đoán cảm tính.
FastAPI (Python 3.12) hiệu năng cao, Jinja2 Templates phục vụ SSR, CSS Clean Academic không emoji, không mũi tên rườm rà.
SQLite cục bộ cho môi trường phát triển / kiểm thử offline; hỗ trợ chuyển đổi sang PostgreSQL trên môi trường máy chủ sản phẩm.
Đóng gói chuẩn hóa qua Docker Compose; máy chủ ảo AWS EC2 (khu vực Sydney); định hướng tích hợp S3 riêng tư làm bản sao lưu định kỳ.
Xây dựng quy trình GitHub Actions tự động kích hoạt bộ kiểm thử tự động (Pytest) trên từng Pull Request trước khi hòa mã nguồn.
Nhóm và doanh nghiệp thống nhất:
- Phạm vi dữ liệu và mục đích nghiên cứu
- Quyền truy cập và vai trò người dùng
- Yêu cầu bảo mật và cam kết pháp lý
Nhóm xây giao diện nội bộ, gửi yêu cầu qua API đến server riêng của công ty. Trên server công ty, CV gốc được:
- Khử nhận dạng: tên, email, số điện thoại, địa chỉ
- Kiểm tra chất lượng kết quả khử nhận dạng (dùng Vault + MinIO để lưu trữ an toàn)
- Không chuyển CV gốc hoặc file mapping ra ngoài server công ty
Chỉ khi đã kiểm tra và được phê duyệt thì mới chuyển sang vùng phải.
Công ty chỉ chuyển sang:
- CV đã ẩn danh
- JD được phép sử dụng
- Thang / phân loại ứng viên hoặc cấu hình đánh giá do công ty cung cấp
Server nhóm lưu tách biệt dữ liệu đã khử nhận dạng, hiển thị qua viewer, trích xuất thông tin cấu trúc và đối sánh CV–JD.
- Tách biệt môi trường dữ liệu gốc
- Trích xuất cấu trúc và so khớp CV–JD
- Mọi báo cáo chỉ dùng dữ liệu tổng hợp, không chứa PII
Số liệu tạm thời, sẽ cập nhật sau khi xin được dữ liệu chính thức từ doanh nghiệp.
- Ngắn hạn: Vận dụng kiến thức kiểm thử chức năng (Manual Testing) và thiết kế test case để phát hiện lỗi sớm, bảo đảm chất lượng phần mềm trước khi phát hành.
- Dài hạn: Phát triển kỹ năng kiểm thử tự động (Automation Test), kiểm thử API chuyên sâu, hướng tới vị trí QA Lead.
- Phân tích tài liệu yêu cầu (SRS), thiết kế và thực thi hơn 180 test case cho mô-đun tuyển dụng.
- Kiểm thử API backend bằng Postman (GET, POST, PUT, DELETE), xác thực response schema và status code.
- Ghi nhận và theo dõi 50+ defect trên Jira, phối hợp cùng lập trình viên để xác minh lỗi sau sửa đổi.
sha256:7f8a...b2c1
Các trường thông tin nhạy cảm đã được chuyển đổi thành mã chuẩn hóa trước khi rời khỏi máy chủ nội bộ:
Bảo toàn 100% mục tiêu nghề nghiệp, kỹ năng kiểm thử (Manual Testing, API, JIRA, SQL, Regression Test) và kinh nghiệm làm việc để làm căn cứ chấm điểm minh bạch.
Tệp CV gốc luôn được lưu trữ an toàn tại máy chủ nội bộ doanh nghiệp. Bản CV này được xây dựng độc lập bằng giao diện trực quan phục vụ báo cáo với Hội đồng, hoàn toàn không truy xuất file gốc.
| Loại thực thể định danh | Phương pháp nhận diện chính | Chỉ số sẽ đo | Mục tiêu thiết kế |
|---|---|---|---|
| Họ và tên ([FULL_NAME]) | Rule-based + Từ điển 42 họ & tên Việt, heuristics ngữ cảnh | Recall, Precision, F1 | Recall >= 0.95 (Ưu tiên không sót PII) |
| Số điện thoại ([+84_PHONE]) | Regex đa định dạng nhà mạng Việt Nam | Recall, Precision, F1 | Recall >= 0.98 (Cấu trúc số rõ ràng) |
| Email ([EMAIL]) | RFC 5322 Regex Pattern chuẩn hóa | Recall, Precision, F1 | Recall >= 0.99 (Cú pháp chuẩn) |
| Địa chỉ ([ADDRESS]) | Từ điển địa danh hành chính 3 cấp + Heuristics từ khóa | Recall, Precision, F1 | Recall >= 0.90 (Độ phức tạp câu) |
| Bảo toàn Trường / Kỹ năng / Công ty | Danh mục trường ĐH/CĐ + Guard rules bảo vệ năng lực | False Positive Rate | FPR Thấp (Tránh khử nhận dạng nhầm chuyên môn) |
| Nhóm trường Schema v1.0 | Phương thức đo lường | Tiêu chí đánh giá |
|---|---|---|
| Kỹ năng chuyên môn | F1 Exact & F1 Normalized | So khớp từ điển kỹ năng chuẩn hóa |
| Kinh nghiệm làm việc | F1 Exact & F1 Normalized | Bóc tách công ty, chức danh, số năm |
| Trình độ học vấn | F1 Exact & F1 Normalized | Bậc học, trường đào tạo, ngành học |
| Chứng chỉ & Ngoại ngữ | F1 Exact & F1 Normalized | Tên chứng chỉ, ngôn ngữ, trình độ |
Exact: Khớp chính xác ký tự. Normalized: Khớp ngữ nghĩa sau khi chuẩn hóa chữ hoa/thường, khoảng trắng và từ đồng nghĩa.
| Hạn chế hiện tại của hệ thống | Hướng giải quyết tương ứng |
|---|---|
|
1. Tên riêng hiếm gặp & lỗi viết hoa tùy ý:
Các tên riêng ít phổ biến của đồng bào thiểu số hoặc ứng viên viết hoa toàn bộ CV có thể khiến bộ luật nhận diện tên bỏ sót hoặc nhận nhầm thực thể. |
Cơ chế Human-in-the-loop & Mở rộng bộ luật:
Đưa các trường có độ tin cậy thấp vào cờ xem xét thủ công (Human review), đồng thời bổ sung họ tên, mẫu ngữ cảnh và regression test. Mô hình cục bộ là hướng nghiên cứu khi có đủ dữ liệu gán nhãn. |
|
2. CV scan dạng ảnh chụp bị mờ hoặc nghiêng:
Các bản scan độ phân giải thấp, có bóng đổ hoặc góc chụp lệch làm giảm độ chính xác của bước OCR nhận diện chữ quang học. |
Bổ sung Pipeline tiền xử lý ảnh (Image Preprocessing):
Tích hợp các bước nắn thẳng tự động (Deskew), khử nhiễu (Denoise) và nhị phân hóa thích nghi (Binarization) trước khi đưa vào bộ OCR. |
|
3. Chưa Fine-tune mô hình học sâu chuyên biệt:
Hiện tại hệ thống vận hành minh bạch bằng rubric rõ ràng không cần fine-tune; chưa huấn luyện fine-tune do thiếu tập dữ liệu gán nhãn quy mô lớn. |
Chỉ Fine-tune khi đủ dữ liệu có nhãn đạt chuẩn:
Kiên quyết chỉ tiến hành Fine-tune khi thu thập và gắn nhãn hoàn thiện tập dữ liệu chuẩn bản địa hóa nhằm tránh rủi ro học vẹt (Overfitting). |
Hoàn thiện luồng khép kín: Nhận CV, khử nhận dạng cục bộ trước khi xử lý, bóc tách cấu trúc theo Schema JSON v1.0, so khớp 6 nhóm tiêu chí với JD có trích dẫn bằng chứng và lưu vết kiểm toán Audit Trail.
Cung cấp giải pháp bảo vệ dữ liệu cá nhân theo quy định hiện hành; giảm thiểu định kiến vô thức trong vòng sơ tuyển việc làm, thúc đẩy tuyển dụng công bằng dựa trên năng lực thực chất.
Hệ thống đã sẵn sàng vận hành trực tiếp trên máy chủ cục bộ với 2 không gian nghiệp vụ độc lập:
Lời Cảm Ơn Trang Trọng & Phiên Hỏi - Đáp (Q&A)
Nhóm tác giả xin trân trọng cảm ơn ThS. Nguyễn Ngọc Lễ đã tận tình hướng dẫn, cùng Quý Thầy/Cô Khoa Công nghệ Thông tin – Trường Đại học Công Nghiệp TP.HCM (IUH) đã tạo điều kiện thuận lợi trong suốt quá trình thực hiện đề tài. Kính mời Hội đồng phản biện và Quý Thầy/Cô đặt câu hỏi.