Feb, 2023

SkillRec：基于数据的职业技能推荐方法，为职业洞察提供帮助

PDF
TL;DR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。
skillrecskill set identificationjob skill recommendationword/sentence embedding techniquesneural network
发现论文，激发创造
  • 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

  • JobFormer：具有语义增强变形器的技能感知工作推荐

    我们提出了一种新颖的基于设计的语义增强转换器的技能感知推荐模型，用于解析职位描述并完成个性化的工作推荐。我们采用两阶段学习策略进行技能感知推荐，在召回阶段利用技能分布指导 JD 表示学习，然后在排序阶段结合用户个人资料进行最终预测，为学习 JD 提供上下文语义表示，并为点击率（CTR）预测提供有效的 JD - 用户联合表示。通过对大规模真实世界和公共数据集的彻底实证分析，验证了我们方法在职位推荐方面的卓越性能和可解释性。

    Apr, 2024

  • 基于简历表示学习和技能匹配的职业路径预测

    人 - 工作适应对工作满意度和绩效的影响被广泛认可，提供适时的职业发展方向的重要性日益凸显。本文介绍了一种名为 CareerBERT 的新型表示学习方法，用于工作历史数据的职业发展路径预测，并且在结构化数据和文本数据的综合模型上取得了最好的预测效果。

    Oct, 2023

  • JobBERT：通过技能了解工作职称

    通过将预训练语言模型与从招聘信息中提取的技能标签协同出现信息相结合，我们提出了一种职位称号的神经表示模型， JobBERT 方法相比使用通用语句编码器，在职位标题规范化任务中表现出显著提高，并发布了一个新的评估基准。

    Sep, 2021

  • 招聘市场中工作技能的受欢迎度测量：多标准方法

    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。

    Dec, 2017

  • 从含噪技能标签中学习职位名称相似度

    该论文提出了一种无监督表示学习方法，使用嘈杂的技能标签训练作业职称相似性模型，证明其在文本排名和工作归一化等任务中非常有效。

    Jul, 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

  • 从工作描述聚合网络中学习职位表示

    通过职位描述聚合组件和双向对比损失函数，我们提出了一种学习职位标题的替代框架，并在域内和域外设置中评估了我们方法的性能，相比于基于技能的方法，取得了更好的表现。

    Jun, 2024

  • 智能推荐职位和应聘者过滤的职业平台

    本研究开发了一种智能求职系统，通过自动关键词提取、职位推荐和简历筛选等算法进行工作和求职者匹配，同时增加了若干高级特性提升用户体验。

    Mar, 2023

  • 基于句子嵌入的职位广告中横向技能的分层分类

    通过分类框架和深度学习模型，该论文提出一种方法来识别职位要求和横向技能的关联，并预测个体职位描述所需的技能。该方法使用 ESCO（欧洲技能、能力和职业）分类法进行数据收集、预处理和标记。采用分层分类和多标签策略进行技能识别，通过数据平衡增强模型的鲁棒性。通过比较使用英语特定和多语言句子嵌入模型得到的结果，发现它们具有相近的准确性。实验案例研究详细介绍了神经网络配置、超参数和交叉验证结果，突出了分层方法的有效性和多语言模型在多样化欧洲职位市场的适用性。因此，提出了一种新的方法来从职位广告中对横向技能进行分层分类。

    Jan, 2024