Job-SDF：用于职位技能需求预测与基准测试的多粒度数据集

在快速变化的就业市场中，技能需求预测至关重要，因为它使政策制定者和企业能够anticipate and adapt to changes，确保劳动力技能与市场需求保持一致，从而提升生产力和竞争力。此外，通过识别新兴技能要求，能够引导个人走向相关培训和教育机会，促进持续的自我学习和发展。然而，缺乏全面的数据集 presents a significant challenge， impeding research and the advancement of this field。为弥合这一差距，我们提出 Job-SDF，一个用于训练和基准测试职位-技能需求预测模型的数据集。基于 2021 年至 2023 年来自中国主要在线招聘平台收集的 1035 万条公开职位广告构建而成，该数据集涵盖 521 家公司 2324 种技能类型的月度招聘需求。我们的数据集独特地 enable 在 various granularities（包括职业、公司和地区层级）评估技能需求预测模型。我们在该数据集上对一 range of models 进行基准测试，评估其在标准情景、聚焦 lower value ranges 的预测以及 structural breaks 的存在下的性能，为进一步 research 提供 new insights。我们的 code 和 dataset 均通过 https://github.com/Job-SDF/benchmark 公开访问。