职场领域的实体链接
计算与语言
2024-02-01 v1
摘要
在自然语言处理中，实体链接(EL)主要围绕维基百科展开，但在职场领域仍未得到充分探索。消解技能提及可帮助我们洞察当前劳动力市场需求。本文首次针对该领域进行EL探索，具体目标是将职业技能链接到ESCO分类学(le Vrang等, 2014)。先前的工作链接的是粗粒度(完整句子)到相应的ESCO技能。本文链接的是更细粒度的技能提及。我们对两种高性能神经网络EL模型进行调优，分别是双编码器(Wu等, 2020)和自回归模型(Cao等, 2021)，在人工标注的技能链接基准数据集上进行评估。我们的发现表明，这两种模型都能够将隐式提及的技能链接到其正确的分类学对应项。经验上，BLINK在严格评估中性能优于GENRE，但GENRE在宽松评估(accuracy@)中表现更好。
引用
@article{arxiv.2401.17979,
title = {Entity Linking in the Job Market Domain},
author = {Mike Zhang and Rob van der Goot and Barbara Plank},
journal= {arXiv preprint arXiv:2401.17979},
year = {2024}
}
备注
Accepted at EACL 2024 Findings