Closed nogawanogawa closed 1 year ago
採用マーケットは常に変化し、必要とされるスキルセットも変化している。 求人情報から必要な能力を抽出するスキルエクストラクションはこれを自動化する技術である。
しかし、データセットやアノテーションガイドラインの不足によって進展が阻害されている。 先行研究のデータセットはあまり公開されておらず、アノテーションのガイドラインも公開されていないため曖昧なものになっている。
アノテーションガイドラインと、それを用いたデータセットの公開
スキルには
などの主要な分類がある。 特に、ESCOでは、
と分類されている模様
このデータセットでは3種類のソースから求人情報を収集している。
単語の数の分布はSkill > Knowledgeの傾向が見える。
KnowledgeがTechとBIGで大きく異なっている。 これはBIGはビジネス色が強いのにたいして、Techは技術者関係の言葉が多いことが起因していると考えられる。
シーケンスに対してラベル付けするタスクと考えられる。
F1 scoreで通常のBERT、SpanBERTと、今回のデータセットを使用して学習したJobBERTとJobSpanBERTで比較したところ高い精度を達成した。
論文URL
https://arxiv.org/abs/2204.12811
著者
Mike Zhang, Kristian Nørgaard Jensen, Sif Dam Sonniks, Barbara Plank
会議
NAACL 2022
背景
採用マーケットは常に変化し、必要とされるスキルセットも変化している。 求人情報から必要な能力を抽出するスキルエクストラクションはこれを自動化する技術である。
しかし、データセットやアノテーションガイドラインの不足によって進展が阻害されている。 先行研究のデータセットはあまり公開されておらず、アノテーションのガイドラインも公開されていないため曖昧なものになっている。
目的
アノテーションガイドラインと、それを用いたデータセットの公開
アプローチ
ひとことメモ
モデルというよりは、データセットの作り方の話