被自动化还是不被自动化？基于图神经网络的职业风险识别
计算机与社会
2022-09-07 v1 神经与进化计算
摘要
人工智能（AI）与机器人等自动化技术的快速发展，给职业带来了日益增长的自动化风险，并可能对劳动力市场产生显著影响。近期社会经济研究表明，近50%的职业在未来十年内面临较高的自动化风险。然而，细粒度数据的缺乏以及基于实证模型的不足，限制了这些研究的准确性，也使得预测哪些工作将被自动化颇具挑战。本文通过执行自动化与非自动化职业之间的分类任务，研究职业的自动化风险。现有信息包括由标准职业分类（SOC）归类的910个职业的任务描述、技能及交互关系。为充分利用这些信息，我们提出了一种基于图的半监督分类方法，称为基于图卷积网络的自动化职业分类（AOC-GCN），以识别职业的自动化风险。该模型整合异构图以捕捉职业的局部与全局上下文。结果表明，通过同时考虑职业内部特征及其外部交互信息，我们所提方法优于基线模型。本研究可帮助政策制定者识别潜在的自动化职业，并支持个体在进入劳动力市场前的决策。
引用
@article{arxiv.2209.02182,
title = {Being Automated or Not? Risk Identification of Occupations with Graph Neural Networks},
author = {Dawei Xu and Haoran Yang and Marian-Andrei Rizoiu and Guandong Xu},
journal= {arXiv preprint arXiv:2209.02182},
year = {2022}
}
备注
15 pages, 6 figures