Learning Job Titles Similarity from Noisy Skill Labels

要約

タイトル: ノイズのあるスキルラベルから職種タイトルの類似度を学習する

要約:
– 職種タイトルの意味的類似度を測定することは、自動的な求人推薦のために必要な機能である。
– 通常、このタスクは同等の職種タイトルペアの形式でトレーニングデータを必要とする監督学習技術を用いて abctackleされる。
– 代わりに、本論文では、ノイジーなスキルラベルを使用したジョブタイトル類似モデルのトレーニングに対して、教師なしの表現学習手法を提案している。
– この手法は、テキストランキングやジョブの正規化などのタスクに対して非常に効果的であることを示している。

要約(オリジナル)

Measuring semantic similarity between job titles is an essential functionality for automatic job recommendations. This task is usually approached using supervised learning techniques, which requires training data in the form of equivalent job title pairs. In this paper, we instead propose an unsupervised representation learning method for training a job title similarity model using noisy skill labels. We show that it is highly effective for tasks such as text ranking and job normalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI