Nghiên cứu giải pháp xây dựng hệ thống tổng hợp và hỗ trợ tư vấn việc làm

54 Trần Thị Kiều, Nguyễn Văn Bình, Huỳnh Công Pháp NGHIÊN CỨU GIẢI PHÁP XÂY DỰNG HỆ THỐNG TỔNG HỢP VÀ HỖ TRỢ TƯ VẤN VIỆC LÀM SOLUTIONS FOR BUILDING A SYSTEM SUPPORTING THE INFORMATION SYNTHESISAND C[.]

Trần Thị Kiều, Nguyễn Văn Bình, Huỳnh Công Pháp 54 NGHIÊN CỨU GIẢI PHÁP XÂY DỰNG HỆ THỐNG TỔNG HỢP VÀ HỖ TRỢ TƯ VẤN VIỆC LÀM SOLUTIONS FOR BUILDING A SYSTEM SUPPORTING THE INFORMATION SYNTHESISAND CONSULTANCY OF CAREERS Trần Thị Kiều, Nguyễn Văn Bình, Huỳnh Công Pháp Trường Cao đẳng Công nghệ Thông tin, Đại học Đà Nẵng Email: thkieu105@gmail.com, binhsht@gmail.com, hcphap@gmail.com Tóm tắt - Hiện nhu cầu tìm kiếm giới thiệu việc làm ngày tăng rõ rệt Để đáp ứng nhu cầu đó, có nhiều trang web khác giới thiệu hỗ trợ tìm kiếm việc làm Với sự tồn tại nhiều trang web việc làm vậy đã dẫn đến một thực trạng thông tin nằm rải rác, rời rạc nhiều trùng lặp ở trang web khác nhau, làm cho người dùng tốn nhiều thời gian công sức để tìm những thông tin mà mình quan tâm nhìn thấy tranh toàn diện việc làm Trước thực trạng đó, chúng tơi đề xuất xây dựng mợt hệ thớng tổng hợp thông tin việc làm bằng cách thu thập tự động thông tin từ website việc làm khác Từ biểu diễn lại thơng tin việc làm một cách hệ thống, nhằm giúp người dùng dễ dàng việc xem tìm kiếm thông tin việc làm Đồng thời từ thông tin tổng hợp được, hệ thống sẽ thống kê việc làm theo nhiều tiêu chí khác vị trí công việc, địa bàn, thời gian, …, nhằm giúp cho người dùng nhìn thấy tổng quan tình hình của thị trường lao động phục vụ cho việc tư vấn việc làm Abstract - The present demand for job finding as well as job introduction is on a dramatic increase To meet this demand, there are many different career websites With so many career sites, information become scattered, disjointed and often duplicated in different sites, taking a lot of time and effort to find the information that interests you as well as see the comprehensive picture of employment In this situation, we look forward to building a system supporting the information synthesis and consultancy of careers by retrieving the information from different career websites In addition, our system shows the job information in a systematic way, in order to facilitate users to view and search the job postings Also, the system classifies information for easier search based on the criteria such as profession, area and time to help users see a more general situation of labor market as well as consulting service jobs Từ khóa - trích xuất thơng tin; phân loại văn bản; DOM Tree; SVM; tư vấn việc làm Key words - information extraction; text classification, DOM tree; SVM; consultancy of careers Đặt vấn đề Hiện nay, nhu cầu tìm kiếm việc làm lớn Theo thống kê năm 2013 tỉ lệ thất nghiệp Việt Nam: tỷ lệ thất nghiệp tăng từ 1,81% lên 1,9% (so với kỳ năm 2012), tỷ lệ thất nghiệp niên (từ 15-24 tuổi) tăng từ 5,29% tới 5,95% (so với kỳ năm 2012) [21] Nhu cầu tìm kiếm, giới thiệu việc làm đăng tin tuyển dụng ngày tăng rõ rệt Người tìm việc việc tìm người thường thông qua kênh thông tin, phương tiện Internet Hiện có nhiều trang thơng tin việc làm, cụ thể như: vietnamworks.com, timviecnhanh.com, careerlink.com,… Các nhà tuyển dụng đăng tin tuyển dụng lên nhiều trang web dẫn tới tình trạng trùng lặp thơng tin trang Người tìm việc trước hết phải biết địa trang hay phải lần mò trang để tìm việc làm thích hợp với điều kiện lực Hơn nữa, thơng tin việc làm rời rạc, khơng có hệ thống Với cách lưu trữ thông tin vậy, không giúp cho người tìm việc nhìn thấy tranh tồn diện việc làm Chẳng hạn như: không thấy nhu cầu việc làm nào, nhu cầu ngành nghề hay không thấy số việc làm khơng có khả tổng hợp thơng tin việc làm Điều làm cho người tìm việc bối rối đống bùi nhùi công việc phải chọn lựa, làm tiêu tốn khơng thời gian cơng sức Hay trường cao đẳng, đại học không định hướng việc làm để đào tạo, hay người học khơng có sở thực để chọn cho ngành nghề tương lai Với thực trạng đó, chúng tơi mong muốn xây dựng hệ thống tổng hợp thông tin việc làm cách thu thập nguồn thông tin từ website việc làm để xây dựng website có hệ thống thơng tin việc làm cách tổng hợp phân loại thông tin phục vụ cho việc tìm kiếm dễ dàng theo tiêu chí: ngành nghề, khu vực thời gian Từ thông tin tổng hợp này, thống kê số liệu phục vụ cho việc dự đoán xu hướng, định hướng tư vấn việc làm Chẳng hạn như: thống kê tỷ lệ Hình Mơ hình tốn ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(85).2014, QUYỂN việc làm tăng hay giảm dự đoán giai đoạn tới ngành nghề tuyển nhiều với tỷ lệ tăng nhanh nhất,… Và diễn đàn cho phép người tuyển dụng đưa thông tin, nơi gặp gỡ người lao động sử dụng lao động Mơ hình tởng qt bài tốn Hình mơ hình tổng quát bước xây dựng hệ thống tổng hợp thông tin hỗ trợ tư vấn việc làm Thông tin việc làm đăng tải rải rác hệ thống website việc làm sẽ thu thập cách tự động để xử lý Sau xử lý, liệu phân loại lưu trữ vào sở liệu nhằm phục vụ việc hiển thị thống kê Tổng quan và lựa chọn giải pháp kỹ tḥt 3.1 Trích xuất thơng tin Trích xuất thơng tin (Information Extraction – IE) bóc tách thơng tin “có ích” người dùng từ website Dữ liệu thông thường chia thành dạng [17]: • Dữ liệu khơng cấu trúc • Dữ liệu có cấu trúc • Dữ liệu bán cấu trúc Các trang web thông thường dạng tiêu biểu liệu bán cấu trúc 3.1.1 Các hướng tiếp cận tốn trích xuất thông tin liệu bán cấu trúc Hiện nay, crawler hay wrapper [20] thường sử dụng để bóc tách nội dung web Một wrapper xem thủ tục thiết kế để trích xuất nội dung cần quan tâm từ nguồn thơng tin Hiện nay, giới có nhiều cơng trình nghiên cứu khác nhau, sử dụng nhiều phương pháp tạo wrapper khác để thực trích xuất thơng tin web Có thể liệt kê số phương pháp sau đây: + Phân tích mã HTML VietSpider [16] tác giả Nhữ Đình Thuần: hệ thống xử lý nội dung định dạng theo HTML để chuyển đổi chúng mô hình liệu dạng tree mà xác Tree DOM Dựa Tree DOM, dễ dàng truy xuất thành phần Có nhiều phương pháp phân tích mã HTML: phương pháp thủ cơng, phương pháp wrapper quy nạp, phương pháp tự động [6] + Phương pháp so trùng Ứng dụng thuật tốn phân lớp trích xuất thông tin văn FSVM Internet [1] tác giả Vũ Thanh Nguyên, Trang Nhật Quang: Trích xuất thông tin cách so trùng hai trang web Phương pháp thực cách so trùng trang web cần trích xuất với trang web mẫu để xác định khung trình bày chung hai trang web, từ khung trình bày chung ta trích xuất nội dung trang web cần rút trích + Xử lý ngơn ngữ tự nhiên Đây phương pháp sử dụng kỹ thuật xử lý ngôn 55 ngữ tự nhiên áp dụng cho tài liệu mà thơng tin thường khơng có cấu trúc định (như truyện) Các kỹ thuật xem xét ràng buộc mặt cú pháp ngữ nghĩa để nhận dạng thông tin liên quan rút trích thơng tin cần thiết cho bước xử lý Các cơng cụ sử dụng phương pháp thích hợp cho việc rút trích thơng tin trang web có chứa đoạn văn tuân theo quy luật văn phạm Một số công cụ sử dụng phương pháp xử lý ngôn ngữ tự nhiên việc bóc tách nội dung như: WHISK hay RAPIER 3.1.2 Phương pháp trích xuất thơng tin cho liệu bán cấu trúc a Phân tích mã HTML Có nhiều phương pháp phân tích mã HTML: phương pháp thủ công, phương pháp wrapper quy nạp, phương pháp tự động [6] - Hiện ý tưởng phương pháp trích xuất thủ cơng khơng cịn sử dụng - Phương pháp wrapper quy nạp lại phụ thuộc vào việc gán nhãn tay nên khơng phù hợp cho việc trích xuất số lượng lớn trang Nếu trang web tổng hợp việc làm muốn trích xuất tất việc làm từ website, việc gán nhãn tay khơng thể Việc trì wrapper việc làm tốn kém, web mơi trường động Các site ln ln thay đổi - Phương pháp tự động: Được đề xuất năm 1998, phương pháp tự động tìm mẫu cấu trúc để trích xuất thơng tin từ trang cho trước Vì phương pháp khơng cần đến gán nhãn tay nên trích xuất liệu từ lượng khổng lồ trang; số giải thuật tiêu biểu RoadRunner, bootstrapping Phương pháp khắc phục nhược điểm wrapper quy nạp Việc trích xuất tự động hồn tồn liệu website thường mã hóa với số lượng mẫu cố định Có thể tìm khn mẫu việc khai phá mẫu lặp lại nhiều trang website Và thuật tốn trích xuất tự động tiêu biểu RoadRunner [15] ▪ Ưu, nhược điểm giải thuật: Ưu điểm: Không cần gán nhãn người dùng với tập mẫu huấn luyện, tự động xây dựng mẫu trích xuất Nhược điểm: Nó khơng thể tự động nhận dạng đâu thực thể thông tin mong muốn người dùng Vì vậy, người sử dụng sẽ phải tự gán nhãn kết đầu b Trích xuất thơng tin dựa vào DOM Theo W3C DOM (Document Object Model) [19] giao diện lập trình ứng dụng (API) cho văn HTML hợp lệ văn XML có cấu trúc chặt chẽ Để trích xuất thơng tin cần thiết node DOM, cần rõ đường từ gốc đến node cần trích xuất thông tin Đường gọi Xpath hay mẫu trích xuất [18] Các mẫu trích xuất làm rõ đường dẫn từ gốc DOM đến node chứa nội dung cần trích xuất Trần Thị Kiều, Nguyễn Văn Bình, Huỳnh Công Pháp 56 Ví dụ: Đây DOM đoạn mã HTML chứa thông tin sách, gồm tên sách (title) tên tác giả (author) Bài toán đặt sử dụng DOM trích xuất thông tin tên sách tác giả viết sách Mẫu trích xuất xây dựng sau: phân loại văn thơng dụng kể đến như: Support Vector Machine (SVM), K–Nearest Neighbor (kNN), Naïve Bayes (NB), Neural Network (NNet), Linear Least Square Fit (LLSF), Centroid- based vector,… Các phương pháp phân loại văn sử dụng thành công nhiều ngôn ngữ (Anh, Pháp, …) Tuy nhiên, tiếng Việt đơn vị nhỏ “tiếng” “từ” tiếng Anh Dấu cách (space) khơng sử dụng kí hiệu phân tách từ, có ý nghĩa phân tách âm tiết với Tách từ tiếng Việt thách thức thú vị 3.2.1 Các phương pháp tách từ tiếng Việt Hình Mơ hình DOM Mẫu trích xuất tên sách: HTML→BODY→B→CharacterData Mẫu trích xuất tên tác giả: HTML→BODY→FONT→A→ CharacterData c Trích xuất thơng tin dựa vào biểu thức quy Với biểu thức quy [20], otomat hữu hạn trạng thái xây dựng sử dụng để so khớp xuất chuỗi trang web Trong trình này, liệu trích xuất Ví dụ: Với mã HTML sau: Để lấy phần tiêu đề đoạn mã ta xây dựng biểu thức quy sau: .*?(#text) Giải pháp chúng tơi chọn thực dựa phương pháp bóc tách nội dung: sử dụng phương pháp tự động phân tích mã HTML để tạo thành Document Tree biểu thức quy Từ áp dụng cơng cụ kỹ thuật ngôn ngữ để định phần nội dung Tức áp dụng phương pháp phân tích mã HTML kết hợp xử lý ngôn ngữ tự nhiên 3.2 Phân loại thông tin Phân loại văn tự động lĩnh vực ý năm gần Để phân loại người ta dựa nhiều cách tiếp cận khác dựa từ khóa, dựa ngữ nghĩa từ có tần số xuất cao, mơ hình Maximum Entropy, tập thơ, … Tiếng Anh ngôn ngữ nghiên cứu sớm rộng rãi với kết đạt khả quan Dựa thống kê Yang & Xiu (1999) nghiên cứu chúng tôi, số phương pháp Có nhiều nghiên cứu tách từ tiếng Việt Trong đó, nghiên cứu có độ xác cao Lê Hồng Phương [8]: cơng cụ vnTokenizer cho kết xác tới 97,2% Nghiên cứu kết hợp phương pháp máy hữu hạn trạng thái, phân tích dạng tắc, ghép cực đại Nhược điểm lớn phương pháp không xử lý từ Như thế, phương pháp không sử dụng kĩ thuật học máy Một số phương pháp tách từ tiếng Việt kể đến như: Maximum Matching, hình tách từ WFST (Weighted Finite State Transducer) mạng Neural, giải thuật học cải biến, quy hoạch động, tách từ dựa thống kê từ Internet thuật toán di truyền,… Với phương pháp Maximum Matching có nhiều nghiên cứu với kết thực nghiệm khả quan Trong tiếng Trung, cách đạt độ xác 98,41% [ChihHaoTsai, 2000] Theo phương pháp LRMM để phân đoạn từ tiếng Việt ngữ/câu, ta từ trái sang phải chọn từ có nhiều âm tiết mà có mặt từ điển, tiếp tục cho từ hết câu Với cách này, ta dễ dàng tách xác ngữ/câu như: “hợp tác xã | mua bán”; “thành lập | nước | Việt Nam | dân chủ | cộng hoà”,… Phương pháp RLMM ngược lại, câu/ngữ, ta từ phải sang trái chọn từ có nhiều âm tiết mà có mặt từ điển, tiếp tục cho từ hết câu Phương pháp MMSEG kết hợp hai phương pháp LRMM RLMM, MMSEG cho kết tốt hai phương pháp Trong báo chọn phương pháp MMSEG [10] để tách từ tiếng việt, có sử dụng từ điển Tiếng Việt 3.2.2 Áp dụng phương pháp máy học vector hỗ trợ SVM cho toán phân loại văn Phương pháp SVM đời từ lý thuyết học thống kê có nhiều tiềm phát triển thực tiễn SVM có nhiều đặc tính bật lý thuyết thực tiễn so với phương pháp khác lĩnh vực phân lớp văn Tuy không gian vector đặc trưng ảnh hưởng lớn đến hiệu suất phương pháp SVM Nhưng báo phân loại thơng tin theo tiêu chí: ngành nghề, khu vực, thời gian Ta nhận thấy tập từ vựng rút từ tập liệu huấn luyện hữu hạn, có kích thước nhỏ Do đó, khơng gian vector đặc trưng sẽ không lớn thời gian huấn luyện sẽ không nhiều, điều khiến cho hiệu suất phương pháp SVM [5] tốt ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(85).2014, QUYỂN Khó trình bày cách ngắn gọn dễ hiểu báo, muốn hiểu rõ thuật toán, bạn đọc trực tiếp thuật tốn 3.3 Đề xuất mơ hình giải pháp Mơ hình giải pháp mô tả sau: 57 Đầu vào: Wrapper xây dựng bước Đầu ra: Thông tin việc làm trích xuất Bước 5: Tách từ tiếng Việt, phân loại thông tin Ta tiến hành tách câu tách từ cho văn liệu việc làm Không giống tiếng Anh, việc tách từ văn tiếng Việt gặp nhiều khó khăn phức tạp cấu trúc đa dạng ngữ nghĩa từ tiếng Việt Đầu vào: Văn thông tin việc làm Đầu ra: Văn thông tin việc làm phân loại theo tiêu chí: khu vực, ngành nghề, thời gian Bước 6: Hiển thị, thống kê Thông tin việc làm hiển thị lại cách tổng hợp phân loại theo tiêu chí phục vụ cho việc tìm kiếm thuận tiện, dễ dàng Ngồi ra, cịn thống kê số liệu (dưới dạng biểu đồ hình trịn hình trụ,…) phục vụ cho việc dự đoán xu hướng, định hướng tư vấn việc làm Kết đạt Hình Mơ hình giải pháp Như mơ hình trên, chúng tơi tóm tắt việc trích rút tổng hợp thơng tin việc làm bước sau: Từ giải pháp phân tích trên, chúng tơi tiến hành xây dựng hệ thống Hệ thống sử dụng ngôn ngữ ASP.NET kết hợp với hệ quản trị sở liệu SQL Server 2008 Kết trang thông tin tổng hợp việc làm tổng hợp từ website việc làm Hình Bước 1: Nhận diện trang web việc làm Từ nhiều website Internet ta tiến hành nhận diện đâu website việc làm Bước ta hình dung ta xây dựng robot tự động dị tìm vơ số website, sau nhận dạng đâu website việc làm Có thể thực cách đọc thông tin từ keyword metadata trang web có từ khóa như: job, việc làm, tuyển dụng, cơng việc, xác định website việc làm Đầu vào: Các website Internet Đầu ra: Website việc làm Bước 2: Nhận diện thông tin việc làm Từ website thông tin việc làm nhận dạng Bước 1, ta tiến hành phân tích cấu trúc website nhận dạng đâu thông tin việc làm, đâu thông tin rác (tin tức, quảng cáo,…) Đầu vào: Website việc làm Đầu ra: Thông tin việc làm Bước 3: Xây dựng wrapper từ liệu mẫu Từ trang chứa thông tin việc làm, ta tiến hành chọn lựa trang thơng tin việc làm có cấu trúc chung để làm liệu mẫu cho việc xây dựng wrapper Đầu vào: Các trang thông tin việc làm Đầu ra: Tạo wrapper từ liệu mẫu chọn Bước 4: Trích xuất thơng tin từ wrapper xây dựng Từ wrapper xây dựng bước 3, ta tiến hành gán nhãn kết đầu Sau ta sử dụng wrapper gán nhãn để thực trích xuất thơng tin thơng việc làm Hình Kết trang thơng tin tởng hợp việc làm Như hình trên, thơng tin tổng hợp từ trang web khác hiển thị lại cách hệ thống, trực quan có phân loại theo nhiều tiêu chí khác nhằm giúp cho người dùng dễ dàng tìm kiếm thơng tin việc làm Bên cạnh đó, hệ thống cịn hiển thị số liệu thống kê việc làm theo thời gian, ngành nghề, địa bàn, yêu cầu kinh nghiệm trình độ Các liệu thống kế cịn biểu diễn dạng biểu đồ trực quan nhằm giúp người dùng dễ dàng nhìn thấy cách tổng quan tình hình thị trường lao động Kết luận Nhu cầu tìm kiếm giới thiệu việc làm trực tuyến ngày quan tâm đáng kể, kéo theo đời tồn nhiều trang web việc làm Thực trạng gây khơng khó khăn lúng túng cho người sử dụng lẽ thông tin việc làm hiển thị rời rạc, rải Trần Thị Kiều, Nguyễn Văn Bình, Huỳnh Công Pháp 58 rác trùng lặp Nhằm giải vấn đề này, báo đề giải pháp biểu diễn thông tin việc làm cách trực quan hệ thống giúp người dùng dễ dàng tìm kiếm nhìn thấy tranh tổng thể việc làm Với mục tiêu đó, chúng tơi xây dựng hệ thống hỗ trợ tổng hợp tư vấn thông tin việc làm với nhiều tính nỗi bật thu thập thông tin tự động, biểu diễn thông tin việc làm theo tiêu chí chọn lựa, thống kê số liệu việc làm theo lĩnh vực, trình độ, kinh nghiệm thời gian Bài báo trình bày việc nghiên cứu ứng dụng phương pháp trích rút tự động dựa vào phân tích mã HTML để tạo thành Document Tree biểu thức quy để xây dựng hệ thống Từ áp dụng cơng cụ kỹ thuật ngôn ngữ để định phần nội dung Phần phân loại thơng tin sử dụng hệ thống phương pháp máy học vector hỗ trợ SVM với việc áp dụng phương pháp tách từ tiếng Việt Maximum Matching để phân loại thông tin việc làm theo tiêu chí: ngành nghề, khu vực, thời gian TÀI LIỆU THAM KHẢO [1] Vũ Thanh Nguyên, Trang Nhật Quang, “Ứng dụng thuật tốn phân lớp rút trích thơng tin văn FSVM Internet”, Tạp chí Phát triển KH&CN, Tập 12, Số 05 - 2009 [2] Nguyễn Thị Trang, “Nghiên cứu phương pháp trích rút văn từ trang web ứng dụng”, Luận văn Thạc sĩ, Học viện Cơng nghệ Bưu Viễn thơng, 2013 [3] Phạm Cẩm Vân, “Ứng dụng khai phá liệu để tư vấn học tập trường Cao đẳng Kinh tế Kỹ thuật Quảng Nam”, Luận văn thạc Sĩ, Đại học Đà Nẵng, 2012 [4] Phạm Thanh Hùng, “Ứng dụng semantic web để phát triển hệ thống tư vấn học tập”, Luận văn thạc sĩ, Đại học Đà Nẵng, 2011 [5] Nguyễn Hải Minh, “Khai phá liệu từ mạng xã hội để khảo sát ý kiến khách hàng sản phẩm thương mại điện tử”, Luận văn thạc sĩ, Đại học Đà Nẵng, 2013 [6] Vũ Tiến Thành, “Bài tốn trích xuất thơng tin cho liệu bán cấu trúc áp dụng xây dựng hệ thống tìm kiếm giá sản phẩm”, Khóa luận tốt nghiệp, Đại học Công nghệ, 2009 [7] Trần Thị Thu Thảo, Vũ Thị Chinh, “Xây dựng hệ thống phân loại tài liệu tiếng Việt”, Nghiên cứu Khoa học, 2012 [8] Le, H.P, Nguyen, T.M.H, Azim Roussanaly, Ho, T.V, A hybrid approach to Word Segmentaion of Vietnamese texts (2008), Language and atutomata theory and applications 2nd international coference, LATA 2008 [9] Luu, T A, Yamamoto, K., A pointwise approach for Vietnamese Diacritics Restoration, IALP 2012 [10] Chih-Hao Tsai, “MMSEG: A Word Identification System for Mandarin Chinese Text Based on Two Variants of the Maximum Matching Algorithm” [11] Jiawei Han, Micheline Kamber, Jian Pei, Data Mining Concepts and Techniques, 2011 [12] Yongjian Fu, Data mining: Tasks, Techniques, and Applications, University of Rolla [13] T Mitchell, Machine Learning and Data Mining, Communications of the ACM, Vol 42 (1999), No 11, pp 30 36 [14] U M Fayyad, G Piatetsky-Shapiro, P Smyth and R Uthurusamy: Advances in Knowledge Discovery and Data Mining, AAAI Press, Menlo Park, CA, (1996) [15] V Crescenzi, G Mecca, and P Merialdo Roadrunner: Towards Automatic Data Extraction from Large Web Sites In Proc of Very Large Data Bases (VLDB’01), pp.109–118, 2001 [16] http://nhuthuan.blogspot.com/2006/11/s-lc-v-k-thut-trongvietspider-3.htm [17] http://www.dcs.bbk.ac.uk/~ptw/teaching/ssd/slide2.html [18] http://www.w3.org/TR/xpath [19] http://www.w3.org/DOM [20] http://www.cs.uic.edu/~liub/WebMiningBook.html [21] http://www.gso.gov.vn (BBT nhận bài: 18/09/2014, phản biện xong: 03/10/2014) ... tởng qt bài tốn Hình mơ hình tổng quát bước xây dựng hệ thống tổng hợp thông tin hỗ trợ tư vấn việc làm Thông tin việc làm đăng tải rải rác hệ thống website việc làm sẽ thu thập cách tự động... tơi xây dựng hệ thống hỗ trợ tổng hợp tư vấn thông tin việc làm với nhiều tính nỗi bật thu thập thông tin tự động, biểu diễn thông tin việc làm theo tiêu chí chọn lựa, thống kê số liệu việc làm. .. tơi tiến hành xây dựng hệ thống Hệ thống sử dụng ngôn ngữ ASP.NET kết hợp với hệ quản trị sở liệu SQL Server 2008 Kết trang thông tin tổng hợp việc làm tổng hợp từ website việc làm Hình Bước