- 100%
- نسبة الكشف (500 / 500)
- 0.88
- متوسط الثقة
- 30
- مزوّد ATS جرى تحديده
- 1,651
- بُعداً للسمات
التقنيات المستخدمة
- Python
- scikit-learn
- XGBoost
- RandomForest
- SHAP
- Playwright
- Selenium
- BeautifulSoup
- pytest
المشكلة
تدير الشركات صفحات التوظيف لديها على عشرات منصات ATS المختلفة — Workday وGreenhouse وLever وغيرها الكثير. وتحديد المنصة التي تستخدمها كل شركة، على نطاق واسع وبموثوقية، مهمة صعبة: الصفحات شديدة التباين، ومحمية غالباً ضد الاستخلاص، ولا تقدّم أي إشارة قياسية تكشف المنصة الكامنة خلفها.
المنهجية
بنيتُ سلسلة كشف من أربع طبقات تتوقف عند أول تطابق موثوق: (1) جدول منسّق لتطابقات معروفة بين الشركة ونظام ATS، (2) تعابير نمطية لأنماط الروابط تضم أكثر من 75 بصمة لمزوّدي الخدمة، (3) تحليل قائم على القواعد لإشارات HTML (النصوص البرمجية والنماذج والوسوم الوصفية ومضيفات الملفات)، و(4) مصنّف تعلّم آلي RandomForest يعمل على اتحاد سمات بأبعاد 1,651 مع تفسير عبر SHAP. وتُجلب صفحات التوظيف لجميع شركات Fortune 500 الخمسمئة عبر سلسلة متينة من Playwright وSelenium وBeautifulSoup مع تخزين مؤقت لصفحات HTML، فتتراجع الصفحة المحجوبة أو المثقلة بجافاسكربت إلى بديل بسلاسة بدل أن تفشل.
النتائج
كشف بنسبة 100% (500 من 500) عبر 30 مزوّد ATS بمتوسط ثقة 0.88. وقد جرى التحقق من النظام بـ 90 اختبار وحدة ناجحاً، وتحقق متقاطع بطريقة k-fold، ومقارنة بمرجع حقيقي، وحلقة تعلّم نشط تعرض العيّنات منخفضة الثقة للمراجعة البشرية. كما أنتج التحليل نتيجة سوقية واضحة: يستحوذ Workday وGreenhouse معاً على نحو 70% من استخدام ATS في Fortune 500 — أي ثنائية احتكار.
أبرز الحلول الهندسية
- سلسلة كشف من أربع طبقات تتوقف عند أول تطابق موثوق — تطابقات معروفة ← تعابير نمطية للروابط (أكثر من 75 بصمة) ← تحليل إشارات HTML بالقواعد ← مصنّف RandomForest.
- طبقة جلب متينة تتدرّج من Playwright إلى Selenium إلى BeautifulSoup مع تخزين مؤقت لـ HTML لتجاوز دفاعات مكافحة الروبوتات عبر صفحات توظيف شديدة التباين.
- تفسير عبر SHAP على اتحاد سمات بأبعاد 1,651 يجعل كل تنبؤ للنموذج قابلاً للتدقيق.
- تحقّق بـ 90 اختبار وحدة ناجحاً، وتحقق متقاطع k-fold، ومقارنة بمرجع حقيقي، وحلقة تعلّم نشط تضع العيّنات غير المؤكدة في طابور المراجعة.
- نتيجة سوقية: Workday وGreenhouse يشكّلان ثنائية احتكار (نحو 70% من ATS في Fortune 500).
لقطات الشاشة والمخططات
لقطات ورسوم حقيقية من الواجهة — الشيفرة خاصة ولا تُعرض علامات العملاء التجارية.
تفاصيل تقنية معمّقة
تتعامل الرسالة مع كشف ATS بوصفه مسألة قرار متعددة الطبقات لا نموذجاً واحداً. فالإشارات الرخيصة عالية الدقة تعمل أولاً (التطابقات المعروفة وبصمات الروابط)، ولا تصل إلى المصنّف الأعلى كلفة إلا الصفحات الغامضة فعلاً. وهذا يبقي النظام سريعاً وموفّراً — والأهم — قابلاً للتفسير: فمعظم الإجابات تأتي مصحوبة بسبب مفهوم للبشر، وتأتي طبقة التعلّم الآلي بإسنادات SHAP لما تبقّى.
يمتد اتحاد السمات ليشمل بنية الروابط وإشارات HTML/DOM والنصوص البرمجية المضمّنة ومضيفات الملفات ونقاط إرسال النماذج والبصمات النصية، منتجاً 1,651 بُعداً تُختزل ثم تُغذّى إلى مصنّف RandomForest. وتضع حلقة التعلّم النشط التنبؤات الأقل ثقة في طابور المراجعة باستمرار، فيتحسّن المرجع الحقيقي — والنموذج معه — مع الوقت.