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

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

本文综述了自然语言处理在编程方面的研究，并从推理模型到最新竞争级模型全面调查了现有的相关工作，具有技术类别的完整性，方便查找和比较未来的工作。

Dec, 2022

该研究综述了深度学习方法和模型在自然语言处理方面的应用和进展，分析和比较了不同方法和先进模型对语义分析和 NLP 任务领域的促进作用。

Mar, 2020

这篇研究论文介绍了一项工业项目，该项目使用文本挖掘和 NLP 解决方案挖掘了医疗保健领域的数百万异构、多语言采购文件，提取了用于动态评估供应商风险的结构化采购合同数据，并发掘了处理这些挑战的方法以及未来研究和实践的建议。

Jan, 2023

自然语言处理（NLP）旨在通过计算机科学领域的技术来分析文本，适用于医疗、商业和教育领域的应用。本文回顾了近期在教育领域解决问题方面的 NLP 的最新进展，介绍相关背景，提出 NLP 在教育领域的分类体系，并基于该体系讨论任务定义、挑战以及相应技术。随后展示了该领域中的一些现有演示，并给出未来方向的结论。

Jan, 2024

本研究应用自然语言处理技术，对 B2B 数据集进行情感分析、主题建模和关键词提取，证明通过自动化方法能够准确地提取情感，并将笔记按相关性分类到不同主题。同时，本研究强调缺乏明确分离主题会导致主题缺乏与商业背景相关性。

May, 2023

本文总结了 NLP 与法律领域的现状并关注最近的技术和实质性发展。通过构建并分析过去十年发表的超过六百篇与 NLP & 法律相关的论文，我们发现了一些主要趋势，并且我们相信这些趋势对于该领域的未来发展具有积极意义，但是仍有许多问题需要解决。

Feb, 2023

该论文介绍了近年来自然语言处理在各种领域中得到广泛应用的四个阶段，包括其历史演变、现状和应用领域，以及当前的趋势和挑战。

Aug, 2017

通过在 6 个统一化技能提取数据集上使用大语言模型（LLMs）的少样本学习能力，我们研究了上下文学习的使用，以克服手动注释数据的高依赖性对这些方法的泛化能力的限制。我们展示了 LLMs 能够更好地处理在技能提取任务中句法复杂的技能提及，尽管在性能上不及传统监督模型。

Feb, 2024