作为开箱即用零样本ESCO技能匹配器的大语言模型
计算与语言
2023-08-31 v1 人工智能
摘要
理解劳动力市场动态需要准确识别劳动力所需及具备的技能。自动化技术正日益被开发以支撑此项工作。然而，由于现有技能数量庞大，从招聘广告中自动提取技能颇具挑战。ESCO（欧洲技能、能力、资格与职业）框架提供了一个有用参考，列出了超过13,000项独立技能。但技能提取仍然困难，且将招聘帖子精确匹配至ESCO分类体系是一个开放问题。在本工作中，我们提出一种基于大语言模型（LLMs）的端到端零样本技能提取系统，用于从职位描述中提取技能。我们为全部ESCO技能生成合成训练数据，并训练一个分类器从招聘帖子中提取技能提及。我们还采用相似度检索器生成技能候选，随后使用第二个LLM重新排序。使用合成数据取得的RP@10分数比先前的远程监督方法高出10分。加入GPT-4重排序使RP@10比先前方法提升超过22分。我们还表明，在提示LLM时将任务构建为模拟编程，可比自然语言提示取得更好性能，尤其对于较弱的LLM。我们展示了在技能匹配流水线两端集成大语言模型的潜力。我们的方法无需人工标注，并在针对ESCO的技能提取上取得了极具前景的结果。
引用
@article{arxiv.2307.03539,
title = {Large Language Models as Batteries-Included Zero-Shot ESCO Skills Matchers},
author = {Benjamin Clavié and Guillaume Soulié},
journal= {arXiv preprint arXiv:2307.03539},
year = {2023}
}