面向远程监督技能抽取的负采样策略设计
计算与语言
2022-09-14 v1
摘要
技能在就业市场与诸多人力资源(HR)流程中扮演核心角色。随着其他数字化体验的兴起,当今在线就业市场中的求职者期望基于其技能组合看到合适的机会。类似地,企业日益需要利用数据来保障其员工队伍的技能面向未来。然而,关于技能的结构化信息常常缺失,且依赖自我或管理者评估的流程在采用率、完整性与数据时效性方面存在问题。给定数千种可能显式提及或仅隐式描述的技能标签,以及精细标注训练语料的匮乏,抽取技能是一项极具挑战的任务。已有技能抽取工作过度将该任务简化为显式实体检测任务,或构建于人工标注训练数据之上,若应用于完整技能词表则不可行。我们提出一种基于字面匹配远程监督的端到端技能抽取系统。我们提出并评估了若干负采样策略,在一个小型验证集上调优,以在远程监督数据中缺乏隐式技能的情况下,提升技能抽取对隐式提及技能的泛化能力。我们观察到,使用 ESCO 分类法从相关技能中选取负例带来最大改进,且将三种不同策略组合于一个模型中进一步提升性能,RP@5 最高提升 8 个百分点。我们引入一个基于 ESCO 分类法的技能抽取人工标注评测基准,并在其上验证我们的模型。我们发布该基准数据集以供研究之用,以激发该任务的进一步研究。
引用
@article{arxiv.2209.05987,
title = {Design of Negative Sampling Strategies for Distantly Supervised Skill Extraction},
author = {Jens-Joris Decorte and Jeroen Van Hautte and Johannes Deleu and Chris Develder and Thomas Demeester},
journal= {arXiv preprint arXiv:2209.05987},
year = {2022}
}
备注
Accepted to the 2nd Workshop on Recommender Systems for Human Resources (RecSys in HR 2022) as part of RecSys 2022