यह शोधपत्र नौकरी के शीर्षक मिलान के लिए अर्थगत पाठ्य प्रासंगिकता (STR) का अध्ययन करता है, जो रिज्यूमे अनुशंसा प्रणालियों में एक महत्वपूर्ण कार्य है। STR को केवल शाब्दिक समानता से आगे बढ़ाने और सूक्ष्म संबंधों को समझने के लिए, हम सघन वाक्य एम्बेडिंग और डोमेन-विशिष्ट ज्ञान ग्राफ़ (KG) को मिलाकर एक स्व-पर्यवेक्षित हाइब्रिड आर्किटेक्चर का प्रस्ताव करते हैं। पिछले अध्ययनों के विपरीत, हम STR स्कोर सातत्य को निम्न, मध्यम और उच्च अर्थगत प्रासंगिकता क्षेत्रों में विभाजित करके एक पदानुक्रमित मूल्यांकन करते हैं, जिससे मॉडल के प्रदर्शन का विस्तृत विश्लेषण संभव होता है। KG के साथ और बिना KG के विभिन्न एम्बेडिंग मॉडलों का मूल्यांकन करते हुए, हम प्रदर्शित करते हैं कि KG के साथ एक परिष्कृत SBERT मॉडल प्रदर्शन में उल्लेखनीय सुधार करता है, जिससे उच्च-STR क्षेत्रों में मूल माध्य वर्ग त्रुटि (RMSE) 25% तक कम हो जाती है। यह KG को टेक्स्ट एम्बेडिंग के साथ संयोजित करने की प्रभावशीलता और क्षेत्र-विशिष्ट प्रदर्शन के विश्लेषण के महत्व पर प्रकाश डालता है।
