JOBSKAPE：一个用于生成合成职位发布以增强技能匹配的框架
计算与语言
2024-02-06 v1
摘要
近期在技能匹配领域，利用合成训练数据进行分类或相似度模型训练的方法已展现出有前景的结果，减少了对耗时且昂贵的人工标注的需求。然而，以往的合成数据集存在局限性，例如每个句子仅包含一个技能，且通常由短句组成。在本文中，我们引入了 JobSkape，一个旨在解决这些局限性的合成数据生成框架，专门设计用于增强技能到分类体系的匹配。在此框架内，我们创建了 SkillSkape，一个面向技能匹配任务的综合性开源合成职位发布数据集。我们引入了若干离线指标，表明我们的数据集与真实世界数据相似。此外，我们提出了一个使用大型语言模型（LLMs）进行技能提取和匹配任务的多步骤流程，并与已知的监督方法进行了基准测试。我们概述了在真实世界数据上的下游评估结果能够超越基线，突显了其有效性和适应性。
引用
@article{arxiv.2402.03242,
title = {JOBSKAPE: A Framework for Generating Synthetic Job Postings to Enhance Skill Matching},
author = {Antoine Magron and Anna Dai and Mike Zhang and Syrielle Montariol and Antoine Bosselut},
journal= {arXiv preprint arXiv:2402.03242},
year = {2024}
}
备注
Published at NLP4HR 2024 (EACL Workshop)