Talent.IuVeAI

Talent.IuVeAI учится на «пустых» результатах (zero-results), используя механизм анализа интента и семантики запроса, при этом полностью исключая хранение персональных данных (PII) из процесса обучения.
Вот как это работает технически:

Сбор метаданных запроса (не PII): Когда система выдает 0 результатов, она сохраняет не «кто искал», а «что именно не было найдено». В аналитику уходят только токены запроса (навыки, названия должностей, локации) и факт отсутствия совпадения. Например: q="React developer, remote, Junior" → zero_result=true.

Анализ «слепых зон» (Gap Analysis): Система агрегирует такие события. Если 20 разных пользователей ищут «Rust Developer» и получают 0 результатов, платформа понимает, что в текущем пуле из ~39 материнских сайтов есть дефицит данных по этому направлению или текущие коннекторы/фильтры слишком жесткие.

Оптимизация _matches_query: На основе этих данных разработчики или AI-агенты корректируют логику app/services/live_discovery.py. Это может быть:

Расширение синонимов: Если поиск по «Fullstack» пуст, но есть «Web Developer», система учится предлагать расширение запроса.

Корректировка весов: Изменение того, насколько строго должны совпадать токены в title против description.

Добавление новых источников: Если определенный стек (например, конкретный язык программирования) систематически дает 0, это сигнал к поиску и подключению новых материнских сайтов (sources).

Отсутствие PII: В цепочке Search → Zero Result → Learning Event нет ID пользователя, его email или резюме. Обучается только алгоритм поиска (Discovery), а не профиль конкретного кандидата.

Итог: Система учится не на «людях», а на «неудачных попытках сопоставить слова». Это превращает пустую выдачу из ошибки в сигнал для улучшения точности поиска для всех пользователей.