SkillNER：从任意文本中挖掘与映射软技能
计算与语言
2021-07-14 v2 信息检索
摘要
在当今数字世界中，对软技能的关注与日俱增。一方面，它们促进企业创新；另一方面，它们不太可能很快被自动化。由于缺乏从数据中检索软技能的数据驱动方法，研究人员难以准确地从定量角度研究软技能。这限制了心理学家和人力资源经理理解人与数字化之间关系的可能性。本文提出 SkillNER，一种用于从文本中自动提取软技能的新颖数据驱动方法。它是一个命名实体识别（NER）系统，在超过 5000 篇科学论文的语料库上用支持向量机（SVM）训练。我们通过将方法性能与不同训练模型进行比较，并与一组心理学家共同验证结果，开发了该系统。最后，SkillNER 在一个真实案例研究中以 ESCO（欧洲技能/能力资格与职业分类）的职位描述作为文本来源进行了测试。该系统基于共享的软技能检测职位画像社群，并基于共享的职位画像检测软技能社群。该案例研究表明，该工具能高效地从大型语料库中自动检索软技能，对 firms、机构和工作者具有实用价值。该工具已开放并在线可用，以促进软技能研究的定量方法。
引用
@article{arxiv.2101.11431,
title = {SkillNER: Mining and Mapping Soft Skills from any Text},
author = {Silvia Fareri and Nicola Melluso and Filippo Chiarello and Gualtiero Fantoni},
journal= {arXiv preprint arXiv:2101.11431},
year = {2021}
}