Прозрачность в совпадениях тегами: как мы этого добились

Недавно в нашем чате Slack разгорелся спор между членами команды о том, как пользователи понимают совпадения тегами. Один из разработчиков представил жалобу от клиента, который не мог понять, почему его резюме не совпадало с вакансией, несмотря на наличие похожих навыков. Это заставило нас задуматься: как мы можем сделать так, чтобы пользователи лучше понимали, почему алгоритм принял то или иное решение?

Почему это важно

Проблема совпадений тегами затрагивает всех: от пользователей, которые ищут работу, до компаний, которые хотят найти подходящих кандидатов. Непонимание работы алгоритмов может привести к недовольству пользователей и, как следствие, снижению доверия к нашей платформе. В условиях жесткой конкуренции на рынке рекрутинга это может стать решающим фактором в выборе между нами и другими решениями. Если пользователи не смогут понять, как работает система, они могут просто уйти к конкурентам.

Конкретные проблемы

В одном из случаев пользователь подал заявку на вакансию, но не получил положительного ответа. Он обратился к нам с вопросом, почему его резюме не совпало с требованиями. Мы выяснили, что совпадение тегами основывалось на алгоритмах, которые не объясняли, как именно были отобраны теги. Это привело к недовольству и, в конечном счете, к ухудшению пользовательского опыта.

Первые шаги

Сначала мы решили внедрить простую систему обратной связи, которая бы сообщала пользователям, какие именно теги были использованы для совпадения. Однако, это решение оказалось слишком поверхностным. Мы получили много комментариев о том, что пользователи не понимают, что такое теги и как они работают. Поэтому мы вернулись к чертежной доске, чтобы найти более глубокое решение.

Технический подход

Мы решили внедрить более сложную систему, которая не только показывала бы теги, но и объясняла, как алгоритм пришел к своим выводам. Мы создали модель, которая анализировала совпадения и генерировала объяснения на естественном языке. Пример кода, который мы использовали для этой задачи:

# Пример кода для генерации объяснений
class ExplanationGenerator:
    def generate(self, matching_tags):
        return f