AAAIDec, 2017

招聘市场中工作技能的受欢迎度测量：多标准方法

PDF
TL;DR本文提出了一种基于数据驱动方法的职业技能热度模型，从大规模招聘数据中分析职位技能网络，利用 Skill Popularity based Topic Model (SPTM) 模型对职位技能进行多方面热度评估，得出对职位技能发展和对高薪就业的规律。
发现论文，激发创造
  • SkillRec：基于数据的职业技能推荐方法，为职业洞察提供帮助

    本文介绍了 Skill Recommendation（SkillRec）系统，它基于职位名称，收集并确定了职位所需的技能集，并通过单词 / 句子嵌入技术和前馈神经网络为职位提供建议。在 6,000 个职位标题和描述的数据集上进行初步实验后，SkillRec 表现出很高的准确性和 F1 分数。

    Feb, 2023

  • 基于时态动态表示学习的实用技能需求预测

    本篇论文探讨通过时间序列预测和神经网络等方法，利用在线招聘广告的技能需求数据提高多技能需求的预测准确性。作者对多项世界信息技术业工作者的技能需求进行了分析，并比较了多元和单变量模型的性能。

    May, 2022

  • 领英个性化专家搜索

    本文提出了一种使用基于矩阵分解的协同过滤方法解决 LinkedIn 上基于技能的个性化专家搜索问题的方法，并在实际测试中取得了较好的成果。

    Feb, 2016

  • 越南职位列表中职业技能检测的实用方法

    本文提出一种实用的方法来在职位列表中检测技能，该方法将任务视为一个排名问题，通过提取短语并与短语上下文的语义相似性进行排名，并进行技能短语的最终分类，从而在小数据集中比实体识别模型表现更好。

    Oct, 2022

  • 软实力匹配的表示学习

    本文提出一种基于短语匹配的方法，旨在区分与候选人相关的软技能短语和其他实体提及。使用多种方法来确定软技能以及进行文本分类，使用神经网络中的 LSTM 模型达到了最高 83.92% 的召回率。

    Jul, 2018

  • 提升人才招聘的人 - 职匹配性：一种基于能力感知神经网络的方法

    本文提出了一种新颖的端到端能力感知人岗匹配神经网络模型，旨在利用过去的招聘数据创建单词级别的语义表示，并通过四种关注策略来测量语义表示的不同重要性，以及每个职业经验对特定能力要求的不同贡献，该模型通过大规模真实数据集的实验验证了它的有效性和可解释性。

    Dec, 2018

  • 课程推荐系统需要考虑就业市场

    开发了一个课程推荐系统，该系统能够结合就业市场的技能需求，并且突出显示了解释性、无监督技能提取和强化学习等特点。

    Apr, 2024

  • 社交媒体中的新闻脉搏：流行度预测

    本文旨在通过建立多维特征空间来分析新闻文章的性质，采用回归和分类算法预测其在线受欢迎程度，发现可在 Twitter 上以 84% 的准确率范围内预测其受欢迎度，并突显传统来源与社交网络受欢迎性的差异。

    Feb, 2012

  • 基于深度学习的计算机就业市场分析：对职位发布中技能提取和分类的调查

    近年来，自然语言处理（NLP）取得了显著进展，使得计算机行业市场分析领域有了快速发展。本调查旨在提供深度学习方法、数据集和特定于 NLP 驱动的技能提取和分类的术语的全面概述，填补这一新兴领域的不完全评估。我们对公开可用数据集的详细分类解决了关于数据集创建和特征的信息缺乏的问题。最后，对术语的关注解决了目前对重要概念（如硬技能和软技能）和技能提取和分类相关术语缺乏一致定义的问题。

    Feb, 2024

  • 利用大型语言模型进行极端多标签技能抽取训练

    通过使用大型语言模型，本研究提出了一种成本有效的方法来生成准确、全合成的技能提取的标签数据集，并提出了一种对比学习策略，证明其在任务中的有效性。在三个技能提取基准测试中，我们的结果显示，与仅依赖于远程监督的字面匹配的先前发布结果相比，R-Precision@5 提高了 15 至 25 个百分点。

    Jul, 2023